Jurnal Teknik ITS
Jurnal Teknik ITS merupakan publikasi ilmiah berkala yang diperuntukkan bagi mahasiswa ITS yang hendak mempublikasikan hasil Tugas Akhir-nya dalam bentuk studi literatur, penelitian, dan pengembangan teknologi. Jurnal ini pertama kali terbit pada September 2012, dimana setiap tahunnya diterbitkan 1 buah volume yang mengandung tiga buah issue.
Articles
133 Documents
Search results for
, issue
"Vol 6, No 1 (2017)"
:
133 Documents
clear
<![CDATA[Penerjemahan Bahasa Isyarat Indonesia Menggunakan Kamera pada Telepon Genggam Android ]]>
<![CDATA[Andrian, Muhammad Yunus]]>;
<![CDATA[Purwanto, Djoko]]>;
<![CDATA[Mardiyanto, Ronny]]>
<![CDATA[ Jurnal Teknik ITS Vol 6, No 1 (2017) ]]>
Publisher : <![CDATA[Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373539.v6i1.21981
<![CDATA[Penginderaan visual atau machine vision merupakan suatu proses manipulasi data citra. Data tersebut dapat digunakan untuk melakukan intepretasi banyak hal, salah satunya yaitu pengenalan gesture. Pengenalan gesture adalah antarmuka yang dapat mengenali gerak-isyarat seorang manusia dan mentranslasikan gerakan tersebut sebagai instruksi yang dapat dipahami oleh komputer. Pengenalan gesture dapat digunakan untuk penerjemahkan bahasa isyarat pada orang tunawicara. Hal ini karena banyaknya orang yang tidak mengerti bahasa tangan orang tunawicara. Sehingga, orang tunawicara kesulitan dalam berinteraksi di masyarakat.Pada tugas akhir ini pengenalan gesture untuk penerjemahan bahasa isyarat lebih mengarah pada hand recognition, yaitu pendeteksian perubahan gerak tangan, dengan menggunakan android mobile phone sebagai divaisnya. Android mobile phone memiliki kamera untuk menangkap citra orang tuna wicara saat berkomunikasi menggunakan bahasa isyarat berupa gerakan tangan. Selanjutnya, citra diproses oleh processing unit android untuk melakukan proses hand recognition. Setelah proses tersebut selesai, maka layar display akan memunculkan huruf atau kata dari perubahan posisi gerak tangan yang dilakukan orang tunawicara yang berada di depan kamera. ]]>
<![CDATA[Studi Kinerja 802.11P pada Protokol Ad Hoc On-Demand Distance Vector (AODV) di Lingkungan Vehicular Ad Hoc Network (VANET) Menggunakan Network Simulator 2 (NS-2) ]]>
<![CDATA[Ilmal Alifriansyah Rahardjo]]>;
<![CDATA[Radityo Anggoro]]>;
<![CDATA[F.X. Arunanto]]>
<![CDATA[ Jurnal Teknik ITS Vol 6, No 1 (2017) ]]>
Publisher : <![CDATA[Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (223.467 KB)
|
DOI: 10.12962/j23373539.v6i1.21994
<![CDATA[Dalam dunia jaringan nirkabel sudah tidak asing dengan salah satu konsep yang memungkinkan komunikasi antar kendaraan (inter-vehicle) dan komunikasi antara kendaraan dengan infrastruktur dis sekitar jalan (vehicle-to-roadside). Konsep ini juga merupakan subset dari dari Mobile Ad-Hoc Network (MANET), yaitu Vehicular Ad-hoc Network (VANET). Pada VANET kendaraan yang ada bertindak sebagai node pada suatu jaringan. VANET terdiri dari banyak node yang juga berfungsi sebagai router. Berbeda dengan MANET, tingkat mobilitas pada VANET lebih tinggi. Tujuan utama dari adanya VANET ini adalah nantinya dapat digunakan untuk menciptakan dan menyediakan aplikasi-aplikasi transportasi untuk mendukung keamanan maupun kenyamanan bagi pengendara. Hal ini tentunya memerlukan implementasi protokol routing yang sesuai dengan karakteristik dari VANET dimana kendaraan-kendaraan yang notabene memiliki dinamika pergerakan node yang tinggi dalam suatu jaringan. Salah satu protokol routing reaktif yang telah teruji dalam VANET adalah routing protokol Ad hoc On-Demand Distance Vector (AODV). Dan pada Studi ini dilakukan analisis performa dari routing protokol Ad hoc On-Demand Distance Vector (AODV) tersebut dengan parameter 802.11p dalam lingkungan VANET. Dari percobaan Studi ini dihasilkan suatu performa bahwa routing protokol AODV dengan parameter 802.11p pada skenario riil mengalami peningkatan nilai rata-rata pada packet deliery ratio dan routing overhead dan mengalami penurunan nilai rata-rata pada delay seiring dengan bertambahnya kepadatan kendaraan dibandingkan dalam skenario grid.]]>
<![CDATA[Studi Tentang Optimasi Peletakan Anjungan Minyak Lepas Pantai ]]>
<![CDATA[Rafli Maulana]]>;
<![CDATA[Khomsin Khomsin]]>
<![CDATA[ Jurnal Teknik ITS Vol 6, No 1 (2017) ]]>
Publisher : <![CDATA[Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373539.v6i1.22024
<![CDATA[Bangunan atau anjungan lepas pantai (offshore platform) adalah struktur atau bangunan yang dibangun di lepas pantai untuk mendukung proses eksplorasi atau eksploitasi bahan tambang maupun mineral alam.Penelitian ini menganalisis tentang perencanaan peletakan anjungan minyak lepas pantai dengan menggunakan data yang diperoleh dari alat Multibeam Echosounder, Side Scan Sonar, dan Magnetometer. Dari penelitian ini bertujuan untuk mengidentifikasi kondisi permukaan dasar laut (fitur-fitur dasar laut) dan potensi bahaya serta memberikan rekomendasi lokasi rencana peletakan anjungan minyak lepas pantai. Analisis dilakukan berdasarkan kemiringan dasar laut, potensi bahaya, fitur-fitur dasar laut baik yang berada di permukaan dasar laut maupun logam yang terkubur di dasar laut sehingga dapat membahayakan anjungan minyak lepas pantai. Berdasarkan penelitian ini, terdapat lokasi yang direkomendasikan, tidak direkomendasikan dan berbahaya. Lokasi yang direkomendasikan merupakan lokasi yang bebas dari hazard, anomali magnetik dan slope yang datar, dengan skor 0.333 dan lokasi yang tidak direkomendasikan merupakan lokasi dengan slope yang landai, potensi bahaya dengan skor 0.334 – 0.666 serta lokasi yang berbahaya merupakan lokasi dengan slope > 3°, terdapat anomali magnetik dan potensi bahay dengan skor 0.6667 – 1.332. Luas area yang direkomendasikan adalah untuk anjungan minyak lepas pantai seluas 532.925,372 m2 dan luas area yang tidak direkomendasikan untuk anjungan minyak lepas pantai seluas 467.074,628 m2.]]>
<![CDATA[Implementasi Wireless Quality of Service dengan Metode Load Switching Jaringan Seluler Menggunakan Software Defined Network untuk Meningkatkan Network Reliability pada Jaringan Dinamis ]]>
<![CDATA[Yoga Bayu Aji Pranawa]]>;
<![CDATA[Royyana Muslim Ijtihadie]]>;
<![CDATA[Waskitho Wibisono]]>
<![CDATA[ Jurnal Teknik ITS Vol 6, No 1 (2017) ]]>
Publisher : <![CDATA[Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (188.795 KB)
|
DOI: 10.12962/j23373539.v6i1.22028
<![CDATA[Wireless Quality of Service (QOS) adalah salah satu dimensi mobilitas, yaitu sebuah metode yang digunakan untuk menjaga kualitas suatu jaringan nirkabel. QOS diperlukan sebagai sebuah metode untuk memenuhi kriteria pelayanan sistem bagi pengguna, yaitu confidentiality, integrity, dan availability. Beberapa aspek yang menjadi topik utama dalam QOS adalah failure and recovery mechanism, variable bandwidth, computing distribution, discovery mechanism, variable lantency, dan performance feedback. Wireless yang dibahas pada penelitian ini dititik beratkan pada jaringan seluler yang cenderung tidak reliable pada daerah tertentu. Oleh karena itu dibutuhkan sebuah mekanisme yang dapat mengatasi tidak stabilnya jaringan seluler tersebut. mplementasi mekanisme yang diterapkan pada penelitian ini adalah dengan menerapkan load switching pada jaringan seluler dengan menggunakan beberapa provider dan menerapkan teknologi Software Defined Network (SDN). Berdasarkan hasi uji coba dapat disimpulkan bahwa sistem yang dibuat pada penelitian ini dapat menerapkan wireless quality of service dan meningkatkan network reliability sebesar 65,29% dan 83,87% lebih baik untuk penggunaan tanpa waktu tunggu dan dengan waktu tunggu pada suatu jaringan dinamis.]]>
<![CDATA[Deteksi Gempa Berdasarkan Data Twitter Menggunakan Decision Tree, Random Forest, dan SVM ]]>
<![CDATA[Rendra Dwi Lingga P.]]>;
<![CDATA[Chastine Fatichah]]>;
<![CDATA[Diana Purwitasari]]>
<![CDATA[ Jurnal Teknik ITS Vol 6, No 1 (2017) ]]>
Publisher : <![CDATA[Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (98.486 KB)
|
DOI: 10.12962/j23373539.v6i1.22037
<![CDATA[Twitter merupakan salah satu media sosial yang cukup populer saat ini. Pengguna aktif Twitter mencapai kurang lebih 400 juta orang. Fitur utama yang paling penting dari Twitter yaitu layanan yang bersifat real-time dimana pengguna dapat menuliskan catatan singkat tentang apa yang terjadi secara langsung. Sebagai contoh, ketika terjadi bencana alam(gempa bumi) di suatu tempat, banyak pengguna aktif twitter menulis informasi berupa (tweet) tentang gempa bumi yang sedang berlangsung melalui Twitter. Hal ini memungkinkan dibuatnya sebuah metode yang mendeteksi terjadinya gempa atau tidak dengan melakukan observasi melalui tweet yang ada. Dalam tugas akhir ini dibuat sebuah metode klasifikasi untuk membedakan antara tweet yang mengandung informasi gempa yang sesungguhnya (gempa positif) dan tweet yang mengandung informasi gempa namun memiliki arti lain (gempa negatif). Setelah dilakukan klasifikasi menggunakan Decision Tree, Random Forest dan Support Vector Machine (SVM). Hasil yang didapat memberikan nilai akurasi Support Vector Machine (SVM) secara keseluruhan lebih baik daripada Decision Tree dan Random Forest dengan persentase gempa yang dideteksi oleh sistem (Recall) didapatkan nilai 86.3%.dengan precision sebesar 88.7%. Namun jika dilihat dari terdeteksinya gempa oleh sistem tanpa dirata-rata, Random Forest memiliki persentase recall sebesar 96.7% lebih baik daripada Decision Tree dan Random Forest. ]]>
<![CDATA[Konstruksi Bounding Volume Hierarchy dengan Metode Agglomerative Clustering untuk Meningkatkan Performa Ray Tracing ]]>
<![CDATA[Arif Fathur Mahmuda]]>;
<![CDATA[Anny Yuniarti]]>;
<![CDATA[Wijayanti Nurul K]]>
<![CDATA[ Jurnal Teknik ITS Vol 6, No 1 (2017) ]]>
Publisher : <![CDATA[Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (157.401 KB)
|
DOI: 10.12962/j23373539.v6i1.22051
<![CDATA[Ray Tracing sebagai algoritma rendering yang menghasilkan citra realistis memiliki beberapa kekurangan. Salah satu di antaranya adalah perhitungan persilangan ray-object pada tiap pixel yang memakan 75% waktu dari keseluruhan proses rendering. Penelitian ini menerapkan metode yang diharapkan dapat mempersingkat proses perhitungan persilangan ray-object dengan membangun struktur data berupa binary tree. Tree yang dibangun sering juga disebut sebagai Bounding Volume Hierarchy (BVH) di mana masing-masing node-nya adalah sebuah container. Struktur data tersebut akan dibangun dengan metode Approximate Agglomerative Clustering (AAC) yang merupakan metode bottom-up clustering dengan top-down preprocessing. Metode AAC dengan parameter yang baik dapat meningkatkan performa Ray Tracing. Metode-metode yang diterapkan sangat mudah diparalelkan sehingga performa algoritma meningkat jika dijalankan pada lingkungan paralel. Hasil uji coba menunjukkan peningkatan kecepatan hingga 3 kali lipat dibandingkan tanpa menerapkan paralelisme. Pada hasil uji coba, juga didapatkan dua jenis parameter yang masing-masing memiliki karakteristik tersendiri (6= cepat, 12= kualitas baik).]]>
<![CDATA[Peramalan Jumlah Produksi Ikan dengan Menggunakan Backpropagation Neural Network (Studi Kasus: UPTD Pelabuhan Perikanan Banjarmasin ]]>
<![CDATA[Azhar Razak]]>;
<![CDATA[Edwin Riksakomara]]>
<![CDATA[ Jurnal Teknik ITS Vol 6, No 1 (2017) ]]>
Publisher : <![CDATA[Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (195.696 KB)
|
DOI: 10.12962/j23373539.v6i1.22129
<![CDATA[Pelabuhan Perikanan Banjarmasin (UPTD dibawah binaan Dinas Perikanan dan Kelautan Kalimantan Selatan) mempunyai salah satu tugas pokok dan fungsi untuk memproduksi hasil tangkapan ikan dari kapal-kapal nelayan dan mendistribusikannya ke berbagai daerah untuk dipasarkan dalam setiap bulannya. Hasil pemasaran ini nantinya akan digunakan Pemerintah Daerah untuk meningkatkan Pendapatan Asli Daerah (PAD) dari provinsi itu sendiri. Permasalahan yang ada adalah jumlah produksi ikan ini umumnya tidak menentu pada setiap bulannya yang mungkin juga dapat berdampak pada kegiatan utama lainnya, seperti penyaluran es pendingin, penyediaan air bersih, dan kegiatan lainnya yang berkaitan dengan proses produksi. Hal seperti ini merupakan permasalahan lumrah dalam bidang peramalan, yaitu ketidakpastian suatu keadaan apabila dilihat fakta-fakta history yang telah lalu. Oleh karena itu, penulis mencoba mencari solusi dengan penggunaan metode peramalan ANN untuk melihat sistemasi dari kegiatan produksi pada instansi ini. Artificial Neural Network (ANN) merupakan sebuah sistem pemrosesan data dengan meniru cara kerja sistem saraf manusia. ANN merupakan sebuah sistem yang terdiri atas banyak elemen pemrosesan sederhana yang terhubung secara paralel. Backpropagation Neural Network (BPNN) dikatakan memiliki kelebihan dalam aspek pembelajaran sistem (adaptive) dan memiliki resiko kesalahan kecil (fault tolerance) terhadap pemecahan masalah. Diharapkan dari hasil penelitian ini didapatkan model, output, hasil analisis, dan aplikasi peramalan produksi ikan yang dapat digunakan oleh instansi terkait untuk memprediksi variabel produksi ikan pada periode-periode berikutnya.]]>
<![CDATA[Implementasi Ekstraksi Fitur untuk Pengelompokan Berkas Musik Berdasarkan Kemiripan Karakteristik Suara ]]>
<![CDATA[Ramadhan Rosihadi Perdana]]>;
<![CDATA[Rully Soelaiman]]>;
<![CDATA[Chastine Fatichah]]>
<![CDATA[ Jurnal Teknik ITS Vol 6, No 1 (2017) ]]>
Publisher : <![CDATA[Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (53.131 KB)
|
DOI: 10.12962/j23373539.v6i1.22138
<![CDATA[Pengelompokkan musik berdasarkan karakteristik suara merupakan hal penting bagi penikmat musik.. Penikmat musik tidaklah mencari musik berdasarkan artis tetapi juga mencari musik berdasarkan genre yang diinginkannya. Karena itu dibutuhkan metode ekstraksi fitur yang tepat untuk dapat merepresentasikan berkas musik berdasarkan genre dengan baik. Studi ini melakukan ekstraksi fitur berkas musik. Dengan mengekstraksi fitur spectral centroid, spectral flux, spectral rolloff, dan short time energy pada tiap berkas musik yang diolah dan kemudian dihitung nilai mean, median, skewness, dan kurtosisnya. Dan selanjutnya dikelompokkan menggunakan metode klasifikasi Random Forest dengan alat bantu Weka untuk menguji kelayakan fitur yang dihasilkan. Uji coba dilakukan dengan menggunakan kombinasi nilai atribut komponen ekstraksi fitur dan berkas musik yang berbeda-beda sesuai genre. Hasil uji coba klasifikasi pada Studi ini menghasilkan nilai akurasi terbaik sebesar 80.4%. ]]>
<![CDATA[Implementasi Analog Front End pada Sensor Kapasitif Untuk Pengaturan Kelembaban Menggunakan Mikrokontroller STM32 ]]>
<![CDATA[Rendy Setiawan]]>;
<![CDATA[Muhammad Rivai]]>;
<![CDATA[Suwito Suwito]]>
<![CDATA[ Jurnal Teknik ITS Vol 6, No 1 (2017) ]]>
Publisher : <![CDATA[Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (319.489 KB)
|
DOI: 10.12962/j23373539.v6i1.22153
<![CDATA[Sensor kapasitif merupakan jenis sensor yang mengubah stimulus fisik menjadi perubahan kapasitansi. Pada sensor kapasitif, adanya stray capacitance atau kapasitansi parasitik pada sensor dapat menyebabkan kesalahan dalam pengukuran. Dalam aplikasi pengaturan kelembaban, dibutuhkan sistem pengukuran kelembaban dengan kesalahan minimum untuk mendapatkan nilai setting point dengan galat minimum. Maka diperlukan implementasi analog front end yang dapat meminimalisir kesalahan akibat stray capacitance pada sensor kapasitif untuk pengukuran kelembaban relatif. Pada sistem pengukuran sensor kapasitif ini, sensor dieksitasi dengan sinyal AC yang dihasilkan oleh generator sinyal pada frekuensi 10 KHz, kemudian diimplementasikan analog front end untuk mengondisikan sinyal dari sensor. Keluaran dari analog front end dikonversi menjadi sinyal DC menggunakan demodulator sinkron dan filter low pass lalu dikonversi menjadi data digital menggunakan ADC di mikrokontroller STM32. Hasil pengukuran yang didapatkan dengan implementasi analog front end kemudian kemudian gunakan untuk mengatur kelembaban pada sebuah plant growth chamber. Berdasarkan hasil dari pengujian, rangkaian analog front end dapat mengompensasi stray capacitance dengan kesalahan pembacaan nilai kapasitansi maksimal sebesar 4.2% pada kondisi stray capacitance sebesar 236,6pF, 174,3pF dan 115,7pF. Implementasi analog front end pada pengaturan kelembaban menghasilkan galat pada setting point maksimal sebesar 8.8% untuk nilai RH 75% dan 33%.]]>
<![CDATA[Pendeteksian Malware pada Lingkungan Aplikasi Web dengan Kategorisasi Dokumen ]]>
<![CDATA[Fransiskus Gusti Ngurah Dwika Setiawan]]>;
<![CDATA[Royyana Muslim Ijtihadie]]>;
<![CDATA[Hudan Studiawan]]>
<![CDATA[ Jurnal Teknik ITS Vol 6, No 1 (2017) ]]>
Publisher : <![CDATA[Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (304.357 KB)
|
DOI: 10.12962/j23373539.v6i1.22163
<![CDATA[Jumlah aplikasi berbasis web semakin bertambah seiring dengan perkembangan teknologi informasi. Dengan bertambahnya jumlah aplikasi web, serangan-serangan yang dilakukan terhadap aplikasi-aplikasi web tersebut juga meningkat. Salah satu jenis serangan yang marak dilakukan terhadap aplikasi web adalah penyisipan malware seperti web shell yang dapat memberikan akses bebas terhadap komputer server kepada penyerang.Dalam makalah ini, dijelaskan implementasi aplikasi yang menerapkan teknik kategorisasi dokumen untuk mendeteksi malware atau kode malicious khususnya jenis web shell dengan teknik kategorisasi dokumen. Proses kategorisasi dokumen meliputi praproses dan tokenisasi kode sumber, pembuatan model classifier Multinomial Naive Bayes dan Decision Tree, dan klasifikasi dokumen menggunakan classifier yang telah dibuat. Uji coba yang dilakukan terhadap 718 file kode sumber PHP menghasilkan tingkat precision dari 72% hingga 83% dan recall 83% hingga 97%.]]>
