Articles
10 Documents
Search results for
, issue
"Vol 13, No 1, Januari 2015"
:
10 Documents
clear
<![CDATA[KINERJA PROTOKOL ROUTING PADA LINGKUNGAN WIRELESS MESH NETWORK DENGAN COMBINED SCALABLE VIDEO CODING ]]>
<![CDATA[Rantelinggi, Parma Hadi]]>;
<![CDATA[Djanali, Supeno]]>
<![CDATA[ JUTI: Jurnal Ilmiah Teknologi Informasi Vol 13, No 1, Januari 2015 ]]>
Publisher : <![CDATA[Department of Informatics, Institut Teknologi Sepuluh Nopember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j24068535.v13i1.a391
<![CDATA[Teknologi wireless mesh network (WMN) yang beroperasi pada standar IEEE 802.11 merupakan teknologi jaringan nirkabel terdiri dari mesh router dan mesh client dipadukan dengan internet, teknologi seluler dan jaringan sensor. Seiring perkembangan teknologi dan meningkatnya kebutuhan manusia, transmisi video melalui jaringan nirkabel semakin penting dan dibutuhkan. Umumnya, pembahasan transmisi video melalui teknologi jaringan nirkabel masih secara umum, sehingga memberikan tantangan dalam penggunaan throughput, end to end delay, packet loss dan PSNR. Combined Scalable Video Coding (CSCV) merupakan skema baru perkembangan dari H.264/MPEG-4. Pada penelitian ini CSCV digunakan untuk pengiriman video dengan standar IEEE 802.11 pada lingkungan WMN dan diaplikasikan pada protokol AODV, DSDV dan DSR. Untuk mengetahui kinerja protokol routing mana yang lebih baik dalam transmisi video CSVC digunakan metrik pengujian end to end delay, throughput, packet loss dan PSNR. Untuk analisis dan pengukuran data digunakan simulator NS-2, dan hasil percobaan simulasi yang dilakukan menunjukkan AODV memiliki nilai end to end delay yang rendah yaitu 0,57 detik, DSR memiliki nilai yang baik didalam throughput yaitu 31 kbps dan PSNR yaitu 22,7 dB, sedangkan DSDV memiliki packet loss yang rendah yaitu 56,4%.]]>
<![CDATA[SEGMENTASI PENYAKIT PADA CITRA DAUN TEBU MENGGUNAKAN FUZZY C MEANS – SUPPORT VECTOR MACHINE DENGAN FITUR WARNA a* ]]>
<![CDATA[Mentari, Mustika]]>;
<![CDATA[Ginardi, Hari]]>;
<![CDATA[Fatichah, Chastine]]>
<![CDATA[ JUTI: Jurnal Ilmiah Teknologi Informasi Vol 13, No 1, Januari 2015 ]]>
Publisher : <![CDATA[Department of Informatics, Institut Teknologi Sepuluh Nopember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j24068535.v13i1.a387
<![CDATA[Penyakit pada pertanian tebu harus segera diatasi agar diperoleh peningkatan produktivitas. Deteksi penyakit yang secara manual dilakukan oleh ahli membutuhkan waktu dan biaya yang tinggi. Oleh karena itu, diperlukan otomatisasi sistem untuk mendeteksi penyakit pada tanaman tebu. Penelitian ini bertujuan untuk membangun sistem yang secara otomatis mampu melakukan segmentasi citra daun tebu berpenyakit menggunakan Fuzzy C Means (FCM)-Support Vector Machine (SVM) dengan fitur warna a*. Kombinasi FCM-SVM dapat meningkatkan akurasi pada proses segmentasi dengan karakteristik penyakit daun tebu dengan pencahayaan yang tak seimbang akibat pengambilan secara outdoor. Segmentasi citra daun tebu berpenyakit memiliki beberapa tahapan yaitu praproses, pemilihan region of interest (ROI), ekstraksi fitur, dan segmentasi. Tahap praproses melakukan pengambilan bagian tulang daun serta penghapusan bagian tulang daun, kemudian pemilihan ROI menunjukan dominasi area penyakit pada daun menggunakan overlapping window seluas 100x100 pixel. Metode kombinasi FCM dan SVM digunakan untuk segmentasi daun tebu berpenyakit, dimana FCM digunakan untuk segmentasi daun tebu pada data training. Hasil segmentasi tersebut digunakan sebagai label data pada tahap kedua bersama dengan data testing menggunakan metode klasifikasi SVM. Metode segmentasi yang diusulkan mampu menunjukkan rata-rata akurasi yang tinggi pada 30 citra daun tebu berpenyakit, yaitu sebesar76%. Sistem yang dibangun selanjutnya digunakan pada deteksi penyakit sebagai referensi untuk ketepatan permasalahan pertanian yang membutuhkan sistem deteksi penyakit sejak dini.]]>
<![CDATA[QUERY RESPONSE TIME COMPARISON NOSQLDB MONGODB WITH SQLDB ORACLE ]]>
<![CDATA[Simanjuntak, Humasak T. A.]]>;
<![CDATA[Simanjuntak, Lowiska]]>;
<![CDATA[Situmorang, Goretti]]>;
<![CDATA[Saragih, Adesty]]>
<![CDATA[ JUTI: Jurnal Ilmiah Teknologi Informasi Vol 13, No 1, Januari 2015 ]]>
Publisher : <![CDATA[Department of Informatics, Institut Teknologi Sepuluh Nopember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j24068535.v13i1.a392
<![CDATA[Penyimpanan data saat ini terdapat dua jenis yakni relational database dan non-relational database. Kedua jenis DBMS (Database Managemnet System) tersebut berbeda dalam berbagai aspek seperti per-formansi eksekusi query, scalability, reliability maupun struktur penyimpanan data. Kajian ini memiliki tujuan untuk mengetahui perbandingan performansi DBMS antara Oracle sebagai jenis relational data-base dan MongoDB sebagai jenis non-relational database dalam mengolah data terstruktur. Eksperimen dilakukan untuk mengetahui perbandingan performansi kedua DBMS tersebut untuk operasi insert, select, update dan delete dengan menggunakan query sederhana maupun kompleks pada database Northwind. Untuk mencapai tujuan eksperimen, 18 query yang terdiri dari 2 insert query, 10 select query, 2 update query dan 2 delete query dieksekusi. Query dieksekusi melalui sebuah aplikasi .Net yang dibangun sebagai perantara antara user dengan basis data. Eksperimen dilakukan pada tabel dengan atau tanpa relasi pada Oracle dan embedded atau bukan embedded dokumen pada MongoDB. Response time untuk setiap eksekusi query dibandingkan dengan menggunakan metode statistik. Eksperimen menunjukkan response time query untuk proses select, insert, dan update pada MongoDB lebih cepatdaripada Oracle. MongoDB lebih cepat 64.8 % untuk select query;MongoDB lebihcepat 72.8 % untuk insert query dan MongoDB lebih cepat 33.9 % untuk update query. Pada delete query, Oracle lebih cepat 96.8 % daripada MongoDB untuk table yang berelasi, tetapi MongoDB lebih cepat 83.8 % daripada Oracle untuk table yang tidak memiliki relasi.Untuk query kompleks dengan Map Reduce pada MongoDB lebih lambat 97.6% daripada kompleks query dengan aggregate function pada Oracle.]]>
<![CDATA[EMPIRICAL STUDY OF CAR LICENSE PLATES RECOGNITION ]]>
<![CDATA[Dina, Nasa Zata]]>;
<![CDATA[Dailey, Matthew]]>
<![CDATA[ JUTI: Jurnal Ilmiah Teknologi Informasi Vol 13, No 1, Januari 2015 ]]>
Publisher : <![CDATA[Department of Informatics, Institut Teknologi Sepuluh Nopember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j24068535.v13i1.a383
<![CDATA[The number of vehicles on the road has increased drastically in recent years. The license plate is an identity card for a vehicle. It can map to the owner and further information about vehicle. License plate information is useful to help traffic management systems. For example, traffic management systems can check for vehicles moving at speeds not permitted by law and can also be installed in parking areas to se-cure the entrance or exit way for vehicles. License plate recognition algorithms have been proposed by many researchers. License plate recognition requires license plate detection, segmentation, and charac-ters recognition. The algorithm detects the position of a license plate and extracts the characters. Various license plate recognition algorithms have been implemented, and each algorithm has its strengths and weaknesses. In this research, I implement three algorithms for detecting license plates, three algorithms for segmenting license plates, and two algorithms for recognizing license plate characters. I evaluate each of these algorithms on the same two datasets, one from Greece and one from Thailand. For detecting li-cense plates, the best result is obtained by a Haar cascade algorithm. After the best result of license plate detection is obtained, for the segmentation part a Laplacian based method has the highest accuracy. Last, the license plate recognition experiment shows that a neural network has better accuracy than other algo-rithm. I summarize and analyze the overall performance of each method for comparison.]]>
<![CDATA[PENGEMBANGAN PENCEGAHAN SERANGAN DISTRIBUTED DENIAL OF SERVICE (DDOS) PADA SUMBER DAYA JARINGAN DENGAN INTEGRASI NETWORK BEHAVIOR ANALYSIS DAN CLIENT PUZZLE ]]>
<![CDATA[Geges, Septian]]>;
<![CDATA[Wibisono, Waskitho]]>
<![CDATA[ JUTI: Jurnal Ilmiah Teknologi Informasi Vol 13, No 1, Januari 2015 ]]>
Publisher : <![CDATA[Department of Informatics, Institut Teknologi Sepuluh Nopember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j24068535.v13i1.a388
<![CDATA[Denial of Service (DoS) merupakan permasalahan keamanan jaringan yang sampai saat ini terus berkembang secara dinamis. Semakin tinggi kemampuan komputasi suatu komputer penyerang, serangan DoS yang dapat dihasilkan juga semakin membahayakan. Serangan ini dapat mengakibatkan ketidakmampuan server untuk melayani service request yang sah. Karena itu serangan DoS sangat merugikan dan perlu diberikan pencegahan yang efektif. Ancaman berikutnya yang juga sangat membahayakan adalah Distributed Denial of Service (DDoS), dimana serangan ini memanfaatkan sejumlah besar komputer untuk menjalankan serangan DoS kepada server, web service, atau sumber daya jaringan lain. Mengingat resiko besar yang diakibatkan serangan DDoS ini, banyak peneliti yang terdorong untuk merancang mekanisme penga-manan sumber daya jaringan. Pada penelitian ini, penulis mengkhususkan pokok permasalahan pada pengamanan web service. Penulis mengemuka-kan sebuah mekanisme untuk mengamankan web service dengan cara melakukan filtrasi dan validasi permintaan yang diterima untuk mengakses sumber daya jaringan. Filtrasi dan validasi ini dilakukan dengan gabungan metode Network Behavior Analysis (NBA) dan Client Puzzle (CP). Metode NBA menjadi lapisan pertahanan pertama untuk mendeteksi apakah sedang terjadi serangan DDoS dengan mengukur tingkat kepadatan jaringan/Network density. Dari metode NBA, didapatkan IP Address yang perlu divalidasi dengan metode CP sebagai lapisan pertahanan kedua. Apabila suatu service request sudah berhasil melewati proses filtrasi dan validasi ini, maka service request ini baru akan dilayani. Dari hasil percobaan, terbukti metode ini dapat mendeteksi serangan DDoS sekaligus menjamin bahwa service request yang sah mendapat pelayanan yang seharusnya sehingga server dapat melayani service request dengan baik.]]>
<![CDATA[PENGGABUNGAN KEPUTUSAN PADA KLASIFIKASI MULTI-LABEL ]]>
<![CDATA[Raharjo, Agus Budi]]>;
<![CDATA[Quafafou, Mohamed]]>
<![CDATA[ JUTI: Jurnal Ilmiah Teknologi Informasi Vol 13, No 1, Januari 2015 ]]>
Publisher : <![CDATA[Department of Informatics, Institut Teknologi Sepuluh Nopember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j24068535.v13i1.a384
<![CDATA[Klasifikasi adalah bagian dari sistem pembelajar yang fokus pada pemahaman pola melalui representasi dan generalisasi data. Penentuan prediksi hasil klasifikasi terbaik menjadi masalah jika terdapat beberapa masukan dari metode yang berbeda-beda pada lingkungan data yang heterogen. Penggabungan keputusan dapat digunakan untuk menentukan rekomendasi keluaran beberapa metode klasifikasi. Kami memilih pendekatan voting dan meta-learning sebagai metode penggabungan keputusan. Ada dua fase yang dilakukan pada penelitian ini, yaitu fase pembangunan prediksi oleh metode klasifikasi yang heterogen dan fase penggabungan rekomendasi metode-metode tersebut menjadi satu kesimpulan jawaban. Karakteristik klasifikasi yang menjadi fokus adalah klasifikasi multi-label. Binary Relevance (BR), Classifier Chains (CC), Hierarchichal of Multi-label Classifier (HOMER), dan Multi-label k Nearest Neighbors (MLkNN) adalah metode klasifikasi yang digunakan sebagai penyedia rekomendasi prediksi melalui pendekatan yang berbeda-beda. Pada fase penggabungan keputusan, metode Ignore diajukan sebagai pendekatan meta-learning. Ignore menggabungkan keputusan dengan cara mempelajari pola masukan dari sistem pembelajar. Untuk membandingkan kinerja Ignore, metode konsensus digunakan sebagai pendekatan voting. Hasil akhir menunjukkan bahwa Ignore memberikan hasil terbaik untuk parameter recall. Ignore memprediksi nilai false negative lebih sedikit dibandingkan dengan metode konsensus 0,5 dan 0,75. Hasil studi ini menunjukkan bahwa Ignore dapat digunakan sebagai meta-learning, meskipun kinerja Ignore harus diperbaiki agar dapat beradaptasi dengan data yang heterogen.]]>
<![CDATA[PENGEMBANGAN METODE SELEKSI TITIK MINUTIAE PADA SIDIK JARI DENGAN RADIUS KETETANGGAAN ]]>
<![CDATA[Riskajaya, Yohanes I.]]>;
<![CDATA[Ahmad, Tohari]]>
<![CDATA[ JUTI: Jurnal Ilmiah Teknologi Informasi Vol 13, No 1, Januari 2015 ]]>
Publisher : <![CDATA[Department of Informatics, Institut Teknologi Sepuluh Nopember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j24068535.v13i1.a389
<![CDATA[Sidik jari sebagai sarana otentikasi sudah banyak digunakan dalam berbagai sistem, baik untuk memberi akses ke da-lam sebuah sistem maupun hanya sebagai pencatat kehadiran. Seiring semakin banyaknya penerapan tersebut, keamanan data sidik jari menjadi tantangan tersendiri. Sejumlah metode telah dipelajari untuk mengamankan data sidik jari, mulai dari teknik enkripsi konvensional hingga teknik transformasi. Metode transformasi data sidik jari merupakan sebuah teknik yang menerapkan suatu fungsi transformasi pada data sidik jari secara searah sehingga kemungkinan untuk dikembalikan ke dalam bentuk aslinya nyaris mustahil, namun tetap dapat dilakukan pencocokan dengan tingkat akurasi yang cukup tinggi. Tujuan dari penelitian ini adalah untuk menghasilkan template sidik jari yang memiliki akurasi yang tinggi pada saat proses pencocokan. Salah satu proses dalam pembuatan template sidik jari yang dapat mempengaruhi tingkat akurasi adalah proses seleksi titik minutiae yang merupakan proses paling awal. Maka dalam penulisan ini di-usulkan sebuah mekanisme seleksi titik yang baru dengan memanfaatkan proses seleksi dari metode pair-polar sebagai seleksi titik referensi kemudian menambahkan proses seleksi titik ketetanggaan yang dibatasi dengan radius tertentu dari titik referensi. Hasil uji coba menunjukkan bahwa metode seleksi yang diusulkan mampu menekan kesalahan identifikasi sehingga dapat disimpulkan sebagai penmeningkatkan akurasi secara keseluruhan.]]>
<![CDATA[MULTITARGET TRACKING MENGGUNAKAN MULTIPLE HYPOTHESIS TRACKING DENGAN CLUSTERING TIME WINDOW DATA RADAR ]]>
<![CDATA[Cahyono, Gigih P.]]>;
<![CDATA[Tjandrasa, Handayani]]>
<![CDATA[ JUTI: Jurnal Ilmiah Teknologi Informasi Vol 13, No 1, Januari 2015 ]]>
Publisher : <![CDATA[Department of Informatics, Institut Teknologi Sepuluh Nopember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j24068535.v13i1.a385
<![CDATA[Sistem radar dibagi menjadi dua jenis yaitu sistem radar sipil dan sistem radar militer. Kedua jenis sistem radar tersebut memiliki kesamaan yaitu telah digunakan untuk pemantauan lalu lintas udara. Pesawat yang dipantau di udara saat ini mengalami jumlah peningkatan yang besar sehingga untuk memudahkan pemantauannya diperlukan suatu sistem yang dinamakan multitarget aircraft tracking. Penelitian ini bertujuan untuk mendapatkan algoritma multitarget tracking (MTT) yang valid, yaitu dengan menggunakan kombinasi preprocessing data radar dengan clustering time window (CTW) dan algoritma Multiple Hypothesis Tracking (MHT).Penelitian ini diawali dengan penyiapan data rekaman radar yang direkam langsung. Kemudian data rekaman tersebut disimulasikan dengan algoritma yang telah dirancang. Pengecekan kemampuan algoritma tersebut dilakukan dengan membandingkannya dengan MHT tanpa clustering time window. Uji coba dilakukan dengan memakai data rekaman berdurasi kurang lebih 18 menit. Uji coba tersebut menghasilkan nilai correct target sebesar 87.66%, undetected target sebesar 12.81%, maintain target sebesar 80.5% dan inexisting target sebesar 23.65%. Dari hasil uji coba menunjukkan bahwa metode yang diusulkan lebih bagus jika dibandingkan dengan metode MHT tanpa CTW.]]>
<![CDATA[DOTTED-BOARD MODEL DAN EXTENDED LOCAL SEARCH UNTUK OPTIMALISASI TATA LETAK POLA BUSANA PADA BAHAN BERMOTIF DENGAN MEMPERTIMBANGKAN ATURAN KESERASIAN MOTIF ]]>
<![CDATA[Bimantoro, Fitri]]>;
<![CDATA[Suciati, Nanik]]>;
<![CDATA[Arieshanti, Isye]]>
<![CDATA[ JUTI: Jurnal Ilmiah Teknologi Informasi Vol 13, No 1, Januari 2015 ]]>
Publisher : <![CDATA[Department of Informatics, Institut Teknologi Sepuluh Nopember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j24068535.v13i1.a390
<![CDATA[Permasalahan peletakkan pola busana penting dilakukan untuk memperoleh efisiensi dalam penggunaan bahan kain.Tidak hanya itu, waktu pemrosesan dengan memperhatikan keserasian motif juga masih menjadi masalah yang belum terselesaikan. Permasalahan ini dikenal dengan irregular strip packing problem (SPP). Penelitian irregular SPP menggunakan bahan bermotif pernah dilakukan sebelumnya, namun tidak memperhatikan keserasian isi motif. Penelitian ini diusulkan untuk menyelesaikan irregular SPP pada bahan bermotif dengan mempertimbangkan keserasian isi motif. Metode yang diusulkan adalah Dotted Board Model (DBM) yang dikombinasikan dengan Extended Local Search (ELS). Pada tahap awal pola busana dibagi menjadi dua kelompok. Kelompok pola busana yang memiliki aturan keserasian mo-tif, dan kelompok pola busana yang tidak memiliki aturan keserasian motif. Selanjutnya, inisialisasi tata letak awal dil-akukan pada kelompok pola busana yang memiliki aturan keserasian motif menggunakan DBM. Selebihnya, pola busana tanpa aturan keserasian motif akan dioptimalisasi dengan menggunakan ELS. Setiap aturan keserasian memiliki poin yang digunakan sebagai tolak ukur keserasian motif. Berdasarkan ujicoba, kombinasi terbaik ELS+DBM terdapat pada resolusi 3 piksel dengan iterasi local search ke 5. Nilai efisiensi dan waktu ELS+DBM adalah 57% dan 381 detik. Waktu komputasi ELS+DBM lebih cepat dengan selisih waktu komputasi 392,7detik dibandingkan tanpa DBM. Hal ini menun-jukkan bahwa metode ELS+DBM lebih unggul dibandingkan ELS tanpa DBM, karena metode ELS+DBM memiliki waktu yang lebih singkat untuk mencapai nilai efisiensi yang hampir sama.]]>
<![CDATA[PEMBOBOTAN KALIMAT BERDASARKAN FITUR BERITA DAN TRENDING ISSUE UNTUK PERINGKASAN MULTI DOKUMEN BERITA ]]>
<![CDATA[Hayatin, Nur]]>;
<![CDATA[Fatichah, Chastine]]>;
<![CDATA[Purwitasari, Diana]]>
<![CDATA[ JUTI: Jurnal Ilmiah Teknologi Informasi Vol 13, No 1, Januari 2015 ]]>
Publisher : <![CDATA[Department of Informatics, Institut Teknologi Sepuluh Nopember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j24068535.v13i1.a386
<![CDATA[Ringkasan berita diartikan sebagai teks yang dihasilkan dari satu atau lebih kalimat yang menyampaikan informasi penting dari berita. Salah satu fase penting dalam peringkasan adalah pembobotan kalimat (sentence scoring). Dimana pada peringkasan berita, metode pembobotannya sebagian besar menggunakan fitur dari berita sendiri. Padahal dalam satu topik berita dimungkinkan adanya multiple issue. Dari multiple issue biasanya hanya ada satu isu yang menjadi pokok pembicaraan yang disebut dengan Trending Issue. Trending Issue inilah yang harusnya dipertimbangkan pada proses peringkasan berita sehingga ringkasan yang dihasilkan lebih koheren. Penelitian ini bertujuan untuk meringkas multi berita menggunakan metode pembobotan berdasarkan Trending Issue dengan tetap mempertimbangkan fitur penting berita, yaitu word frequency, TF-IDF, posisi kalimat, dan kemiripan kalimat terhadap judul (NeFTIS). Dimana Trending Issue didapatkan dari data Twitter dengan cara mengelompokkan tweets kemudian melakukan ekstraksi isu pada tiap kelompok yang terbentuk. Selanjutnya tiap isu diberikan bobot menggunakan konsep Cluster Importance (CI). Isu dengan bobot terbesar yang akan dipilih sebagai Trending Issue. Ada 5 tahap yang dilakukan untuk menghasilkan ringkasan multi berita dengan menggunakan NeFTIS, yaitu ekstraksi Trending Issue, seleksi berita, ekstraksi fitur berita, penghitungan total bobot kalimat, dan penyusunan ringkasan. Untuk mengukur kualitas sistem digunakan metode evaluasi ROUGE-1 dengan menganalisa performa dari hasil ringkasan dengan menggunakan metode pembobotan NeFTIS dibandingkan dengan hasil ringkasan dengan hanya menggunakan fitur berita (NeFS). Hasil rata-rata max-ROUGE-1 untuk seluruh variasi jumlah kalimat yang menyusun ringkasan (n) menunjukan bahwa metode pembobotan NeFTIS lebih akurat dibanding dengan metode pembobotan NeFS dengan nilai rata-rata max-ROUGE-1 terbesar 0.8201 untuk n=30.]]>
