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
3,978 Documents
<![CDATA[Klasifikasi Bahasa Isyarat Indonesia Berbasis Sinyal EMG Menggunakan Fitur Time Domain (MAV, RMS, VAR, SSI) ]]>
<![CDATA[Ifut Rahayuningsih]]>;
<![CDATA[Adhi Dharma Wibawa]]>;
<![CDATA[Eko Pramunanto]]>
<![CDATA[ Jurnal Teknik ITS Vol 7, No 1 (2018) ]]>
Publisher : <![CDATA[Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373539.v7i1.29967
<![CDATA[Penggunaan kamera yang dipakai sebagai input media bantu untuk pengenalan bahasa isyarat masih bergantung pada kondisi lingkungan. Sinyal EMG merupakan sinyal yang berasal dari pembacaan aktivitas otot tangan, sehingga sinyal EMG tidak bergantung pada kondisi lingkungan. Oleh karena itu sinyal EMG dapat dimanfaatkan untuk mengenali gerakan bahasa isyarat. Agar dapat digunakan untuk mengenali sebuah gerakan, komputer memerlukan sebuah mekanisme standar dan logis. Permasalah utama yang terjadi dalam pengenalan gerakan adalah bagaimana cara menghasilkan data yang representatif dan konsisten terhadap sampel gerakan. Sinyal EMG hasil perekaman akan dilakukan proses ekstraksi fitur berdasarkan time domain feature dengan metode MAV, RMS, VAR dan SSI. Hasil ekstraksi fitur tersebut akan digunakan sebagai input klasifikasi menggunakan metode naive bayes. Gerakan bahasa isyarat yang dikenali pada penelitian ini ada 20 gerakan. Hasil akurasi pengenalan gerakan antara data training diujikan terhadap data baru dengan perbandingan data 50:50 yaitu sebesar 79%. Jumlah perbandingan data training yang optimal digunakan untuk pengenalan 20 gerakan Bahasa isyarat Indonesia adalah ≥50% dari total data sampel dimana berada pada rata-rata 80%.]]>
<![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%.]]>
<![CDATA[Pembuatan Kakas Bantu untuk Mendeteksi Ketidaksesuaian Diagram Urutan (Sequence Diagram) dengan Diagram Kasus Penggunaan (Use Case Diagram) ]]>
<![CDATA[Andrias Meisyal Yuwantoko]]>;
<![CDATA[Siahaan Daniel]]>;
<![CDATA[Adhatus Solichah Ahmadiyah]]>
<![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 (135.003 KB)
|
DOI: 10.12962/j23373539.v6i1.22164
<![CDATA[Sebuah diagram urutan dibuat berdasarkan alur yang ada pada deskripsi kasus penggunaan. Alur tersebut dire- presentasikan dalam bentuk interaksi antara aktor dan sistem. Pemeriksaan rancangan diagram urutan perlu dilakukan untuk mengetahui ketidaksesuaian urutan alur kasus penggunaan dengan urutan pesan yang dikirimkan oleh objek-objek pada diagram urutan. Rancangan diagram yang sesuai merupakan kunci ketepatan (correctness) implementasi perangkat lunak. Namun, pemeriksaan ketidaksesuaian masih dilakukan secara manual. Hal ini menjadi masalah apabila sebuah proyek perangkat lunak memiliki banyak rancangan diagram dan sumber daya manusia tidak mencukupi. Pemeriksaan membutuhkan waktu yang lama dan memiliki dampak pada waktu pengembangan perangkat lunak. Penelitian ini mengusulkan pembuatan kakas bantu untuk mendeteksi ketidaksesuaian diagram urutan dengan diagram kasus penggunaan. Ketidaksesuaian dilihat dari kemiripan semantik kalimat antara alur pada deskripsi kasus penggunaan dan triplet. Dari hasil pembuatan kakas bantu, kakas bantu yang dibuat dapat mendeteksi ketidaksesuaian diagram urutan dengan diagram kasus penggunaan. Kakas bantu ini diharapkan tidak hanya membantu pemeriksaan rancangan diagram akan tetapi mempercepat waktu pengembangan perangkat lunak.]]>
<![CDATA[Analisis Stabilitas Arah Mobil Toyota Agya G dengan Variasi Jumlah Penumpang, Kecepatan Belok, Sudut Belok dan Kemiringan Melintang Jalan ]]>
<![CDATA[Faisal Rahman]]>;
<![CDATA[Achmad Syaifudin]]>;
<![CDATA[I Nyoman Sutantra]]>
<![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 (477.203 KB)
|
DOI: 10.12962/j23373539.v6i1.22170
<![CDATA[Mobil jenis Low Cost Green Car (LCGC) semakin banyak digunakan masyarakat karena harganya yang murah dan ramah lingkungan. Meski termasuk kendaraan dengan biaya produksi yang rendah, adanya analisis perilaku arah kendaraan tetap diperlukan untuk menjamin kenyamaan dan keamanan pengemudi. Pada penelitian ini, analisa slip, skid dan guling dilakukan untuk mengetahui stabilitas kendaraan jenis LCGC, yaitu Toyota Agya. Pengaruh jumlah penumpang, kecepatan, sudut belok dan kemiringan melintang jalan terhadap slip, skid dan guling juga diperhitungkan. Sebagai komparatif studi, uji jalan dilakukan untuk mendapatkan koefisien understeer dan mengetahui kecepatan kendaraan dalam kondisi skid. Hasil penelitian menunjukkan bahwa mobil Toyota Agya mengalami kondisi stabilitas paling baik ketika dinaiki oleh 2 orang penumpang dengan sudut kemiringan melintang jalan 5.7°. Sedangkan kecepatan maksimum kendaraan tidak terguling terjadi pada kecepatan 94,987 km/jam untuk sudut belok 5° dan pada kecepatan 46,585 km/jam sudut belok 25°.]]>
<![CDATA[Rancang Bangun Aplikasi MusicMoo Dengan Metode MIR (Music Information Retrieval) Pada Modul Mood, Genre Recognition, dan Tempo Estimation ]]>
<![CDATA[Johanes Andre Ridoean]]>;
<![CDATA[Riyanarto Sarno]]>;
<![CDATA[Dwi Sunaryono]]>
<![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 (664.21 KB)
|
DOI: 10.12962/j23373539.v6i1.22260
<![CDATA[Saat ini,metode pemanggilan kembali informasi suatu musik atau yang sering disebut Music Information Retrieval (MIR) telah banyak diterapkan. Contohnya adalah pada suatu aplikasi Shazam ataupun Soundhound. Tetapi kedua aplikasi ini hanya menangani sebatas lagu apakah yang terkait ketika diperdengarkan. Untuk itu, tujuan penelitian ini adalah pengembangan lebih lanjut MIR yang lebih spesifik lagi, yaitu melakukan pemanggilan informasi lagu yang terkait kembali beserta detail lagu di antaranya adalah mood, genre, dan tempo lagu. Penelitian ini memakai ekstraksi fitur berbasis MPEG-7 yang oleh library Java bernama MPEG7AudioEnc. Hasil ekstraksi fiur ini berupa metadata yang terkandung fitur-fitur dalam bentuk angka digital yang merepresentasikan karakteristik suatu sinyal. Lalu melakukan pengambilan suatu fitur sesuai dengan masing-masing dengan metode Xquery yang diimplementasikan oleh library Java bernama BaseX. Fitur yang diambil akan diproses dengan melakukan Discrete Wavelet Transform (DWT) beserta level dekomposisi terbaik oleh library Python bernama Pywt. Setelah fitur-fitur dilakukan DWT, maka dilakukan penggabungan fitur pada suatu list beserta penyamaan panjang fitur untuk proses klasifikasi. Tahap terakhir adalah melakukan klasifikasi dengan menggunakan Support Vector Machine (SVM). Terdiri dari 2 tahap yaitu tahap training dan prediksi. Hasil akurasi keberhasilan pada penelitian ini untuk modul mood 75%, genre 87,5% dan tempo 80%.]]>
<![CDATA[Rancang Bangun Aplikasi Angkutan Trans Sarbagita Provinsi Bali Berbasis Perangkat Bergerak ]]>
<![CDATA[I Made Aditya Pradnyadipa Mustika]]>;
<![CDATA[Raden Venantius Hari Ginardi]]>;
<![CDATA[Abdul Munif]]>
<![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 (206.847 KB)
|
DOI: 10.12962/j23373539.v6i1.22318
<![CDATA[Trans Sarbagita merupakan salah satu upaya pemerintah Bali dalam menyediakan fasilitas angkutan umum untuk mengurangi kemacetan. Trans Sarbagita adalah sebuah fasilitas BRT (Bus Rapid Transit) yang memiliki angkutan pengumpan tersendiri untuk mengangkut penumpang ke halte-halte bus terdekat. Trans Sarbagita sendiri sudah memiliki rencana rute untuk armada bus dan pengumpan mereka. Dari sebagian rute yang sudah beroperasi, informasi seputar rute, dan halte yang sudah beroperasi dirasa belum terpublikasi dengan baik sehingga dapat menjadi masalah bukan hanya untuk masyarakat Bali, tapi juga untuk para wisatawan yang ingin menggunakan fasilitas tersebut. Salah satu cara mengatasi permasalahan tersebut adalah dengan membangun sebuah aplikasi yang berisikan informasi mengenai halte dan rute-rute yang dapat ditempuh untuk mencapai tujuan yang dapat diakses melalui perangkat bergerak. Aplikasi Trans Sarbagita dapat memberikan rute terpendek yang dapat dilalui trayek pengumpan berdasarkan lokasi awal dan tujuan pengguna yang dikalkulasikan dengan algoritma Dijkstra. Selain menampilkan rute terpendek, aplikasi ini juga dapat menampilkan rute trayek serta lokasi halte Trans Sarbagita yang sudah beroperasi. Hasil uji coba sistem sudah menunjukkan berjalannya sistem dengan baik sesuai dengan perancangan awal. Meskipun demikian pengembangan lebih lanjut masih dibutuhkan untuk mengimbangi berkembangnya teknologi, serta berubahnya kebutuhan pengguna yang dapat diaplikasikan pada aplikasi ini.]]>
<![CDATA[Deteksi Fraud Menggunakan Metode Model Markov Tersembunyi Pada Proses Bisnis ]]>
<![CDATA[Andrean Hutama Koosasi]]>;
<![CDATA[Riyanarto Sarno]]>;
<![CDATA[Abdul Munif]]>
<![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 (199.529 KB)
|
DOI: 10.12962/j23373539.v6i1.22328
<![CDATA[Model Markov Tersembunyi merupakan sebuah metode statistik berdasarkan Model Markov sederhana yang memodelkan sistem serta membaginya dalam 2 (dua) state, state tersembunyi dan state observasi. Dalam pengerjaan tugas akhir ini, penulis mengusulkan penggunaan metode Model Markov Tersembunyi untuk menemukan fraud didalam sebuah pelaksanaan proses bisnis. Dengan penggunaan metode Model Markov Tersembunyi ini, maka pengamatan terhadap elemen penyusun sebuah kasus/kejadian, yakni beberapa aktivitas, akan diperoleh sebuah nilai peluang, yang sekaligus memberikan prediksi terhadap kasus/kejadian tersebut, sebuah fraud atau tidak. Hasil ekpserimen ini menunjukkan bahwa metode yang diusulkan mampu memberikan prediksi akhir dengan evaluasi TPR sebesar 87,5% dan TNR sebesar 99,4%.]]>
