cover
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota surabaya,
Jawa timur
INDONESIA
Jurnal Teknik ITS
ISSN : -     EISSN : -     DOI : -
Core Subject : Engineering,
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.
Arjuna Subject : -
Articles 3,978 Documents
Pengembangan Perangkat Lunak Prediktor Nilai Mahasiswa Menggunakan Metode Spectral Clustering dan Bagging Regresi Linier Ahmad Yusuf; Hari Ginardi; Isye Arieshanti
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 (148.052 KB) | DOI: 10.12962/j23373539.v1i1.645

Abstract

Prediksi nilai ujian akhir dapat membantu pendidik atau mahasiswa dalam melakukan tindakan ke depan yang sesuai dengan kondisi pada saat itu. Salah satu metode yang dapat digunakan dalam memprediksi nilai adalah dengan Regresi Linier. Tetapi, persamaan regresi terkadang dipengaruhi oleh keragaman persebaran data, sehingga keakuratan persamaan prediksi yang dihasilkan kurang baik.  Oleh karena itu, ada studi lain yang mengusulkan model Bootstrap Aggregating Regresi Linear yaitu metode regresi linier yang didahului dengan mengelompokkan data. Dalam pengelompokan data digunakan Spectral Clustering. Dengan adanya pengelompokan tersebut, maka diharapkan distribusi data dalam membentuk persamaan regresi dapat lebih seragam. Selanjutnya, setiap kelompok data akan menghasilkan suatu persamaan regresi. Hasil prediksi merupakan rata-rata dari hasil persamaan regresi dari masing-masing kelompok data. Dalam studi ini, dikembangkan sebuah perangkat lunak prediktor nilai mahasiswa menggunakan model yang diusulkan oleh studi lain yang telah disebutkan sebelumnya. Berdasar pada uji coba yang dilakukan, perangkat lunakn yang dikembangkan dengan menggunakan Spectral Clustering dan Bootstrap Aggregating Regresi Linier mampu memprediksi nilai akhir mahasiswa dengan parameter jumlah cluster yang tepat. Hal ini dapat disimpulkan berdasarkan nilai kesalahan dengan Root Mean Square Error dari hasil prediksi sekitar 0.05 – 0.08 dari dataset
Desain Antena Monopole UHF untuk Uplink pada Satelit Iinusat-02 Yahya Syukri Amrullah; Eko Setijadi; Gamantyo Hendrantoro
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 (579.463 KB) | DOI: 10.12962/j23373539.v1i1.590

Abstract

Pada generasi awal seperti sekarang ini Indonesia sedang dilakukan riset pembuatan payload satelit Iinusat-02. Dalam Penelitian ini dibahas mengenai salah satu bagian payload yaitu antena uplink yang beroperasi pada frekuensi UHF. Antena uplink untuk payload satelit Iinusat-02 ini menggunakan model monopole. Antena monopole tersebut terbuat dari stainless steel yang memiliki panjang 172 mm dan diameter 1 mm. Antena monopole yang dibutuhkan sebanyak dua buah dimana  instalasi kedua antena monopole tersebut berada pada tengah sisi satelit Iinusat-02 yang saling tegak lurus. Sebelum fabrikasi, desain antena monopole  disimulasikan pada software CST Studio 2011. Dari beberapa percobaan desain antena monopole pada software CST Studio 2011 diperoleh suatu desain antena yang memiliki performansi seperti yang diinginkan, yaitu memliki nilai retrun loss sebesar -18,64 dB, VSWR sebesar 1.26 pada frekuensi kerja 436,5 MHz, lebar bandwidth sekitar 78,2 MHz dan pola radiasi yang mendekati bentuk bola. Dari hasil pengukuran antena monopole hasil fabrikasi diperoleh nilai return loss dan VSWR sebesar -18,5 dB dan 1,31, lebar bandwidth sebesar 35 MHz dan pola radiasi yang diperoleh mendekati bola. Mengacu pada hasil simulasi dan pengujian, dapat disimpulkan disain antena ini bisa dijadikan refrensi untuk antenna uplink satelit Iinusat 02 yang tumbling selama mengorbit.
Analisis Penggunaan Algoritma Useless Packet Transmission Avoidance (UPTA) untuk Menghindari Transmisi Paket Tidak Berguna pada Multimedia di Jaringan dengan Tingkat Best-Effort Yazid Herdianto; Wahyu Suadi; Henning Titi Ciptaningtyas
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 (388.404 KB) | DOI: 10.12962/j23373539.v1i1.627

Abstract

Useless packet transmission (UPT) adalah transmisi paket multimedia yang terjadi ketika nilai packet loss rate dari koneksi multimedia tersebut melebihi batas toleransi (threshold) yang bisa diterima untuk menghasilkan kualitas media yang baik. UPT bersifat merugikan karena bandwidth yang digunakan oleh UPT tersebut menjadi terbuang sia-sia. Pada jaringan dengan layanan best-effort, ketika trafik pada router sangat padat, nilai packet loss rate bisa sangat besar hingga melebihi threshold. Sebagai akibatnya, UPT sangat rentan terjadi. Pada penelitian ini dilakukan analisis terhadap manfaat penggunaan algoritma useless packet transmission avoidance (UPTA) dalam mengatasi masalah UPT. Dengan menggunakan OPNET, dilakukan simulasi untuk mengevaluasi performa dari UPTA menggunakan parameter-parameter uji yaitu throughput, waktu upload, packet drop, dan packet loss. Analisis dilakukan pada jaringan yang mengimplementasikan WFQ (Weighted Fair Queueing) sebagai algoritma fair packet queueing. Hasil evaluasi dari beberapa parameter pada simulasi menunjukkan bahwa dengan mengimplementasikan algoritma UPTA pada router, UPT dapat dihilangkan sehingga meningkatkan throughput hingga 1,9% dan mengurangi waktu upload hingga 1,2%.
Perhitungan Kesiapan Jaringan IP dalam Mendukung Aplikasi Konferensi Video Berbasis Desktop Menggunakan OpNet Alfan Nur Ihsan; Wahyu Suadi; Henning Titi Ciptaningtyas
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 (284.973 KB) | DOI: 10.12962/j23373539.v1i1.629

Abstract

Artikel ini menunjukkan bagaimana OPNET dapat dimanfaatkan untuk menilai kesiapan jaringan IP yang ada untuk mendukung konferensi video berbasis desktop. Sampai saat ini, OPNET tidak memiliki fitur built-in untuk mendukung konferensi video. Tugas akhir ini memodelkan sebuah perusahaan dengan tiga lantai, dimana setiap lantai terdapat subnet. Tugas akhir ini mempertimbangkan dua jenis traffic video, yaitu ukuran paket video tetap dan sebenarnya. Dari hasil uji simulasi dapat diketahui jumlah sesi konferensi video yang dapat didukung oleh jaringan IP dengan mempertimbangkan batas bandwidth dan delay. Skenario kedua mempunyai traffic video yang terkirim dalam pps lebih besar 0,0514% dari skenario pertama. Sedangkan untuk traffic suara yang terkirim dalam pps pada skenario pertama lebih besar 1,7149% dari skenario kedua. Skenario kedua mempunyai traffic video yang terkirim dalam Bps lebih besar 4,9646% dari skenario pertama. Sedangkan untuk traffic suara yang terkirim dalam Bps pada skenario pertama lebih besar 0,2547% dari skenario kedua. Sesi konferensi video yang didukung jaringan dengan dibatasi bandwidth pada skenario kedua lebih besar 2,439% dari skenario pertama. Sedangkan sesi konferensi video yang didukung jaringan dengan dibatasi delay pada skenario kedua lebih besar 4,7619% dari skenario pertama.
Optimasi Kinerja Algoritma Klasterisasi K-Means untuk Kuantisasi Warna Citra Irwanto Irwanto; Yudhi Purwananto; Rully Soelaiman
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 (727.891 KB) | DOI: 10.12962/j23373539.v1i1.631

Abstract

Kuantisasi warna citra merupakan operasi penting pada banyak aplikasi grafik dan pengolahan citra.  Metode kuantisasi warna banyak dilakukan dengan menggunakan algoritma klasterisasi data. Kepopuleran k-means sebagai algoritma klasterisasi data yang telah umum, ternyata belum mendapat cukup perhatian pada literatur kuantisasi warna. Hal ini disebabkan karena mahalnya biaya komputasi dan sensitivitasnya terhadap pengaruh pemilihan pusat klaster. Penelitian ini memberikan metode percepatan algoritma k-means untuk kuantisasi warna. Metode yang diajukan melibatkan beberapa modifikasi pada k-means konvensional, seperti pengurangan data, pembobotan data, dan penggunaan prinsip  pertidaksamaan segitiga untuk mempercepat pencarian ketetanggaan terdekat. Ujicoba dilakukan dengan beragam citra dan menunjukkan bahwa modifikasi yang telah dilakukan mampu memperlihatkan bahwa k-means juga sangat kompetitif sebagai algoritma  kuantisasi warna citra, baik dalam segi efektivitas maupun efisiensinya.
Pengembangan Sistem E-Learning yang Adaptif untuk Pelatihan dan Tes TOEFL Sofian Arifianto; Muchammad Husni; Erina Letivina Anggraini
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 (218.441 KB) | DOI: 10.12962/j23373539.v1i1.632

Abstract

TOEFL (Test of English as a Foreign Language) memiliki 3 bagian jenis soal, Listening Comprehension, Structure & Write Expression dan Reading Comprehension. Untuk saat ini, kebanyakan TOEFL dilakukan dengan manual, yaitu dengan pengerjaan dengan kertas dan membutuhkan waktu beberapa hari agar bisa mengetahui hasil tes tersebut. Dalam artikel ini, LMS Dokeos dikembangkan dengan beberapa perubahan, sehingga didapatkan suatu sistem yang adaptif yang mampu menganalisis kelemahan user dan memberikan soal yang menjadi kelemahan. Dokeos sendiri dibangun dengan bahasa pemrograman PHP&MySQL. Pada sistem ini ada 2 macam tes, Pretest dan posttest. Pretest merupakan suatu latihan TOEFL. Sedangkan Posttest merupakan TOEFL yang sesungguhnya. Posttest bisa dilakukan setelah user lulus dari pretest. Nilai untuk kelulusan dalam  pretest dan posttest ini adalah 477. Pada pretest, sistem bisa menganalisis kelemahan seorang user berdasarkan nilai tes yang telah didapat dari tiap section. Pengguna juga bisa memonitor nilai yang didapatkan pada saat pretest. Sedangkan pada posttest, terdapat pin yang digunakan sebagai hak akses untuk melakukan tes. Dengan begitu, diharapkan aplikasi ini bisa lebih aman dan efisien dalam menghemat waktu dan biaya
Integrasi Kinect dan Unreal Development Kit Menggunakan Kerangka Kerja OpenNI Pada Studi Kasus Game Berbasis Interaksi Gerakan Rendi Budiman; Imam Kuswardayan; Dwi Sunaryono
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 (75.474 KB) | DOI: 10.12962/j23373539.v1i1.634

Abstract

Microsoft Kinect adalah teknologi baru perangkat permainan. Perangkat ini memindai gerakan manusia untuk diolah kedalam fungsi yang diinginkan pengembang. Tugas akhir ini bertujuan untuk membuat integrasi antara Microsoft Kinect dengan Unreal Development Kit, game engine terkenal yang digunakan untuk membuat game 3D. Game engine ini tidak mendukung Microsoft Kinect sebagai kontrol permainannya. Untuk menyelesaikan permasalahan integrasi antara Microsoft Kinect dan Unreal Development Kit, digunakan kerangka kerja OpenNI yang dituangkan kedalam perangkat lunak permainan Gubug Adventure. Kerangka kerja OpenNI berfungsi untuk mengenali aliran data Microsoft Kinect ke dalam serangkaian metode dan fungsi yang dapat dikenali oleh Unreal Development Kit. Gubug Adventure merupakan perangkat lunak permainan yang menggunakan gerakan pemain untuk menggerakkan karakter di dalamnya. Uji coba dilakukan untuk menguji perbandingan deteksi gerakan dalam OpenNI dengan deteksi gerakan pada Gubug Adventure. Dari hasil uji coba yang telah dilakukan, proses deteksi pada Gubug Adventure berjalan sesuai dengan pemindaian pada OpenNI.
Implementasi Algoritma Particle Swarm untuk Menyelesaikan Sistem Persamaan Nonlinear Ardiana Rosita; Yudhi Purwananto; Rully Soelaiman
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 (191.55 KB) | DOI: 10.12962/j23373539.v1i1.636

Abstract

Penyelesaian sistem persamaan nonlinear merupakan salah satu permasalahan yang sulit pada komputasi numerik dan berbagai aplikasi teknik. Beberapa metode telah dikembangkan untuk menyelesaikan sistem persamaan ini dan metode Newton merupakan metode yang paling sering digunakan. Namun metode ini memerlukan perkiraan solusi awal dan memilih perkiraan solusi awal yang baik untuk sebagian besar sistem persamaan nonlinear tidaklah mudah. Pada makalah ini, algoritma Particle Swarm yang diusulkan oleh Jaberipour dan kawan-kawan[1] diimplementasikan. Algoritma ini merupakan pengembangan dari algoritma Particle Swarm Optimization (PSO). Algoritma ini meyelesaikan sistem persamaan nonlinear yang sebelumnya telah diubah menjadi permasalahan optimasi. Uji coba dilakukan terhadap beberapa fungsi dan sistem persamaan nonlinear untuk menguji kinerja dan efisiensi algoritma. Berdasarkan hasil uji coba, beberapa fungsi dan sistem persamaan nonlinear telah konvergen pada iterasi ke 10 sampai 20 dan terdapat fungsi yang konvergen pada iterasi ke 200. Selain itu, solusi yang dihasilkan algoritma Particle Swarm mendekati solusi eksak.
Pengembangan Perangkat Lunak Prediktor Kanker Payudara Menggunakan Metode Elastic SCAD SVM dan Data DNA Microarray Risky Dwi Listyo Firmansyah; Handayani Tjandrasa; Isye Arieshanti
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 (391.171 KB) | DOI: 10.12962/j23373539.v1i1.637

Abstract

Kanker payudara (Carcinoma Mammae) merupakan salah satu penyakit kanker dengan angka kematian terbesar di dunia. Prediksi kanker payudara tentunya dapat membantu para penderitanya untuk menghindari berbagai akibat negatif yang dapat ditimbulkannya. Di sisi lain, data DNA Microarray ternyata dapat digunakan untuk diagnosa dini penyakit kanker payudara. Data DNA Microarray mengandung informasi dari DNA yang kemudian direpresentasikan dalam data vektor berdimensi tinggi. Untuk menangani permasalahan prediksi data berdimensi tinggi, Support Vector Machine (SVM) adalah salah satu metode yang cukup handal. Namun, sayangnya SVM tidak dapat mendukung proses seleksi fitur. Padahal, dengan adanya seleksi fitur, proses prediksi data dapat berjalan lebih cepat. Informasi tentang fitur-fitur penting dari suatu data juga dapat diperoleh dengan adanya seleksi fitur. Oleh karena itu, ada sebuah studi lain yang menggabungkan SVM dengan elastic SCAD (penalization method). Pada studi ini dikembangkan perangkat lunak untuk memprediksi kanker payudara berdasarkan model elastic SCAD SVM yang telah diusulkan oleh studi lain tersebut. Berdasarkan uji coba, perangkat lunak yang dikembangkan mampu melakukan prediksi kanker payudara. Hal ini ditunjukkan dengan nilai akurasi sebesar 95,4%. Fitur yang terpakai pun berkurang dari 1213 atribut menjadi 1193 atribut.
Implementasi Algoritma Genetika pada Struktur Backpropagation Neural Network untuk Klasifikasi Kanker Payudara Adam Mizza Zamani; Bilqis Amaliah; Abdul Munif
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 (311.341 KB) | DOI: 10.12962/j23373539.v1i1.638

Abstract

Pada penelitian sebelumnya sudah dilakukan klasifikasi kanker payudara menggunakan kombinasi dari metode Neural Network (NN) dan Association Rules (AR). Namun metode ini dinilai masih belum optimal dikarenakan hasil rata-rata akurasinya yang menunjukkan angka kurang maksimal. Metode baru diusulkan dengan maksud untuk mencari solusi lebih baik dari metode sebelumnya dalam hal rata-rata akurasi, yaitu dengan menggunakan kombinasi metode klasifikasi Neural Network dan algoritma genetika. Metode Neural Network digunakan sebagai Artificial Intelligence untuk memprediksi kanker payudara, sedangkan algoritma genetika digunakan untuk optimasi parameter Neural Network seperti jumlah hidden layer dan learning rate agar akurasi yang dihasilkan bisa lebih bagus. Selain itu, penelitian ini bertujuan untuk membandingkan antara metode kombinasi Neural Network dan algoritma genetika dengan metode Naïve Bayesian. Metode evaluasi uji coba yang digunakan adalah metode 10 fold cross validation. Hasil uji coba 10 fold cross validation menunjukkan bahwa metode Neural Network yang optimasi parameternya menggunakan algoritma genetika menghasilkan rata-rata akurasi yang cukup tinggi yaitu 97,00%, lebih baik dari metode Naïve Bayesian yang menghasilkan rata-rata akurasi 96,24% dan juga lebih baik dari metode Neural Network dengan Association Rules yang menghasilkan rata-rata akurasi 95.6%.

Page 5 of 398 | Total Record : 3978