Teknika http://ejournal.ikado.ac.id/index.php/teknika <p><strong>Teknika (ISSN 2549-8037, EISSN 2549-8045)</strong> is a peer-reviewed scientific journal, published semiannually in <strong>July</strong> and <strong>November</strong>. It presents article on information technology area that comes from the results of empirical research or conceptual article.<br>Teknika is published by Center of Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya.<br>Teknika has been indexed in:<br><a href="https://search.crossref.org/?q=teknika&amp;publisher-name=Institut+Informatika+Indonesia+Surabaya&amp;container-title=Teknika" target="_blank" rel="noopener">Crossref</a><br><a href="https://doaj.org/toc/2549-8045" target="_blank" rel="noopener">Directory of Open Access Journals (DOAJ) - Status: Green Tick<br></a><a href="https://journals.indexcopernicus.com/search/details?id=48529" target="_blank" rel="noopener">Index Copernicus International (ICI Journals Master List) - ICV 2018: 70.10<br></a><a href="http://www.worldcat.org/search?q=on:DGCNT+http://ejournal.ikado.ac.id/index.php/teknika/oai+teknika:ART+IDISU&amp;qt=results_page" target="_blank" rel="noopener">OCLC WorldCat</a><br><a href="https://scholar.google.co.id/citations?hl=en&amp;user=upIi57wAAAAJ" target="_blank" rel="noopener">Google Scholar<br></a><a href="https://app.dimensions.ai/discover/publication?search_text=10.34148%2Fteknika&amp;search_type=kws&amp;search_field=doi" target="_blank" rel="noopener">Dimensions</a><br><a href="https://www.base-search.net/Search/Results?q=dccoll%3Aftikadoojs+url%3Ateknika&amp;refid=dclink" target="_blank" rel="noopener">Bielefeld Academic Search Engine (BASE)<br></a><a href="https://www.mendeley.com/community/teknika/documents/" target="_blank" rel="noopener">Mendeley</a><br><a href="http://www.openarchives.org/Register/BrowseSites?viewRecord=http://ejournal.ikado.ac.id/index.php/teknika/oai" target="_blank" rel="noopener">Open Archives Initiative</a><br><a href="http://sinta2.ristekdikti.go.id/journals/detail?id=293" target="_blank" rel="noopener">Science and Technology Index (SINTA) - SINTA Score: S4</a><br><a href="http://garuda.ristekdikti.go.id/journal/view/10209" target="_blank" rel="noopener">Garba Rujukan Digital (GARUDA)</a><a href="http://onesearch.id/Search/Results?filter[]=repoId:IOS6424" target="_blank" rel="noopener"><br>Indonesia One Search</a><br><a href="http://id.portalgaruda.org/?ref=browse&amp;mod=viewjournal&amp;journal=10209" target="_blank" rel="noopener">Indonesian Publication Index</a></p> <p>&nbsp;</p> Pusat Penelitian dan Pengabdian Kepada Masyarakat, Institut Informatika Indonesia en-US Teknika 2549-8037 Identifikasi Varietas Benih Jagung (Zea Mays L.) Menggunakan Pengolahan Citra Digital Berbasis Jaringan Syaraf Tiruan http://ejournal.ikado.ac.id/index.php/teknika/article/view/173 <p>Identifikasi varietas perlu dilakukan untuk membedakan galur yang dihasilkan dengan varietas yang telah ada sehingga sangat penting bila dikaitkan dengan perlindungan varietas tanaman dan hak kekayaan intelektual. Salah satu metode yang umum diterapkan untuk identifikasi varietas jagung adalah dengan cara mendeskripsikan morfologi benih. Namun, hal tersebut membutuhkan waktu lama dan sulit jika dilakukan pengukuran secara manual. Pengolahan citra (image processing) dan jaringan syaraf tiruan (JST) dapat dijadikan sebagai salah satu metode identifikasi varietas yang dapat membantu mengidentifikasi varietas benih jagung. Penelitian ini bertujuan untuk mengetahui variabel citra yang dapat digunakan untuk identifikasi varietas benih jagung sehingga dapat disusun algoritma jaringan syaraf tiruan terbaik dan mengetahui tingkat akurasinya dalam menduga varietas benih jagung. Sampel yang digunakan dalam penelitian ini adalah benih jagung hibrida BISI 18, Pioneer P21, Pioneer P27 dan PERTIWI. Pada masing-masing varietas diambil 600 sampel untuk data training dan 200 sampel untuk data testing, keseluruhan sampel adalah 3200 benih jagung. Penelitian ini menggunakan pengolahan citra digital dengan menggunakan analisis statistik untuk menentukan variabel yang dapat dipergunakan dalam penerapan jaringan syaraf tiruan sebagai metode identifikasi. Hasil penelitian menunjukkan variasi JST terbaik untuk menyusun program identifikasi benih jagung adalah variasi A3 dengan 20 node hidden layer. Hasil validasi menunjukkan, program identifikasi benih jagung memiliki tingkat akurasi dalam menduga varietas sebesar 59,1 %.</p> Mohamad Ihya Ulum Muddin Dedy Wirawan Soedibyo Sri Wahyuningsih Copyright (c) 2019 Mohamad Ihya Ulum Muddin, Dedy Wirawan Soedibyo, Sri Wahyuningsih http://creativecommons.org/licenses/by-nc/4.0 2019-10-31 2019-10-31 8 2 78 85 10.34148/teknika.v8i2.173 Analisis Perbandingan Performa Traffic Engineering Dengan Resource Reservation Protocol (RSVP) dan Segment Routing http://ejournal.ikado.ac.id/index.php/teknika/article/view/176 <p>Kualitas koneksi khususnya pada backbone menjadi tantangan Internet Service Provider (ISP). MPLS berkerja di layer 2,5 OSI yang mampu mempercepat pengiriman paket pada jaringan backbone. MPLS melekatkan label pada paket yang dikirimkan. Salah satu layanan dari MPLS adalah traffic engineering yang dibuat dengan protokol RSVP. Terdapat protokol baru untuk memberi label pada paket dan mendukung traffic engineering, yaitu Segment Routing. Penelitian ini menganalisis perbandingan performa traffic engineering dengan RSVP dan Segment Routing. Baik pada penerapan RSVP maupun Segment Routing dibuat tunnel untuk jalur utama dan reroute menuju jalur cadangan. Penelitian dilakukan pada emulator EVE-NG dengan mengambil studi kasus topologi backbone di PT ICON+.<br>Hasil penelitian adalah Segment Routing di MPLS menyederhanakan kinerja dari router dalam hal pelabelan dan dalam memelihara Label Switch Path (LSP), tidak membutuhkan protokol signaling. Hasil pengujian latency pada jalur utama, dengan Segment Routing maupun dengan RSVP mempunyai nilai sama. Sedangkan pada jalur cadangan, nilai latency dari Segment Routing lebih kecil, sehingga Segment Routing dapat mengirim data dengan lebih cepat daripada dengan RSVP. Hasil pengujian packet delivery ratio dan packet loss ratio dengan Segment Routing dan dengan RSVP baik di jalur utama maupun jalur cadangan bernilai sama, yaitu 100% dan 0%. Baik pada jalur utama maupun jalur cadangan, penerapan Segment Routing mempunyai nilai throughput yang lebih besar daripada penerapan RSVP, sehingga Segment Routing dapat mengirim data dengan lebih cepat daripada RSVP. Pada kondisi link mengalami kegagalan saat pengujian, keduanya memiliki 1% packet loss, namun perpindahan jalur dilakukan dengan lebih cepat pada Segment Routing.</p> Dwi Ariyanti Unan Yusmaniar Oktiawati Copyright (c) 2019 Dwi Ariyanti, Unan Yusmaniar Oktiawati http://creativecommons.org/licenses/by-nc/4.0 2019-10-31 2019-10-31 8 2 86 91 10.34148/teknika.v8i2.176 Monitoring Ruangan Untuk Deteksi Manusia Berbasis CNN Dengan Fitur Push Notification http://ejournal.ikado.ac.id/index.php/teknika/article/view/166 <p>Pemantauan atau monitoring adalah salah satu kegiatan untuk memantau setiap gerakan dari waktu ke waktu. Pemantauan memiliki berbagai tujuan termasuk menganalisis, mengumpulkan data atau mengamati pola pergerakan. Pemantauan juga dapat diartikan, yaitu melakukan pengamatan terhadap situasi di sekitarnya. Dalam penelitian ini, dibuat sebuah sistem monitoring ruangan yang dapat mendeteksi objek manusia dengan menggunakan perangkat Raspberry Pi 3 dan akan mengirimkan push notification ketika sistem mendeteksi gerakan manusia dalam video. Untuk deteksi manusia berbasis Convolutional Neural Network (CNN) digunakan framework You Only Look Once (YOLO) dan untuk mengirim notification digunakan teknologi Firebase Cloud Messaging. Dari pengujian yang dilakukan, didapatkan akurasi pendeteksian sebesar 71% untuk video pertama dan akurasi 73,2% untuk video kedua. Sensitivitas seluruh sistem adalah 55,01% dan 57,96% serta spesifisitas dari kedua tes ini adalah 95% dan 94,77%</p> Windra Swastika Albert Wahyudi Nur Oesman Hendra Kelana Copyright (c) 2019 Windra Swastika, Albert Wahyudi Nur, Oesman Hendra Kelana http://creativecommons.org/licenses/by-nc/4.0 2019-10-31 2019-10-31 8 2 92 96 10.34148/teknika.v8i2.166 Pemanfaatan Fitur Analisis Data Menggunakan K-Means Cluster Dalam Point of Sales (POS) http://ejournal.ikado.ac.id/index.php/teknika/article/view/157 <p>Pemanfaatan big data untuk meningkatkan performa usaha banyak menjadi pembahasan penelitian akhir-akhir ini. Ketersediaan data yang mampu diakses secara cepat untuk mereproduksi informasi baru yang penting dalam pengambilan keputusan menjadi salah satu faktor kunci yang menentukan keberhasilan organisasi. K-Means cluster sebagai salah satu algoritma data mining dengan kemampuan pengelompokan data merupakan salah satu tools yang penting untuk melakukan hal ini. Penelitian ini akan membahas implementasi algoritma K-Means untuk menghasilkan informasi baru berupa klasifikasi kelompok produk berdasarkan data transaksi penjualan di masa lalu. Algoritma ini selanjutnya akan menjadi fitur pada Sistem Informasi Point of Sales (POS) yang dikembangkan. Dengan adanya fitur baru pada sistem informasi POS, diharapkan pemilik usaha dapat merencanakan jumlah dan waktu pembelian produk dengan lebih baik, mengurangi jumlah persediaan barang di gudang, dan memberikan keleluasaan bagi pemilik usaha untuk menganalisis permintaan dengan mudah.</p> Supangat Anis R. Amna Copyright (c) 2019 Supangat, Anis R. Amna http://creativecommons.org/licenses/by-nc/4.0 2019-10-31 2019-10-31 8 2 97 102 10.34148/teknika.v8i2.157 Model Data Mining Dalam Mengidentifikasi Pola Laju Pertumbuhan Antar Sektor Ekonomi di Provinsi Sumatera Selatan dan Bangka Belitung http://ejournal.ikado.ac.id/index.php/teknika/article/view/181 <p>Salah satu fungsional dari data mining adalah analisis asosiasi. Asosiasi sering disebut analisis keranjang pasar karena biasa digunakan untuk mengidentifikasi item-item produk yang kemungkinan dibeli oleh konsumen bersamaan dengan produk lain. Pada penelitian ini metode asosiasi diterapkan untuk melihat pola laju pertumbuhan antar sektor ekonomi penyusun Produk Domestik Regional Bruto (PDRB) di wilayah Provinsi Sumatera Selatan dan Bangka Belitung. Data yang diteliti adalah data kurun waktu tahun 1993 hingga tahun 2018. Adapun algoritma yang digunakan dalam melakukan analisis asosiasi adalah algoritma apriori. Pengolahan data mengikuti tahapan proses knowledge discovery from data (KDD) dengan bantuan perangkat lunak Rapid Miner. Hasil akhir penelitian ini diperoleh dari 17 sektor ekonomi yang ada terdapat 7 buah pola hubungan antar sektor ekonomi di Provinsi Sumatera Selatan dan 14 buah pola hubungan antar sektor ekonomi di Provinsi Bangka Belitung. Melalui penelitian ini diharapkan dapat memberi manfaat bagi pemerintah, khususnya pemerintah kedua provinsi, dalam merancang program pembangunan untuk masa yang akan datang. Penelitian ini juga dapat digunakan pada penelitian yang lain sebagai referensi pengaplikasian analisis asosiasi data mining di luar data transaksi belanja.</p> Widya Cholil Ade Ramadhan Dalimunthi Linda Atika Copyright (c) 2019 Widya Cholil, Ade Ramadhan Dalimunthi, Linda Atika http://creativecommons.org/licenses/by-nc/4.0 2019-10-31 2019-10-31 8 2 103 109 10.34148/teknika.v8i2.181 Implementasi Algoritma Genetika dan Google Maps API Dalam Penyelesaian Traveling Salesman Problem with Time Window (TSP-TW) Pada Penjadwalan Rute Perjalanan Divisi Pemasaran STMIK El Rahma http://ejournal.ikado.ac.id/index.php/teknika/article/view/187 <p>Divisi pemasaran STMIK El Rahma memiliki permasalahan dengan penjadwalan rute kunjungan ketika harus melakukan perjalanan multi destinasi ke sekolah-sekolah untuk melakukan promosi. Perjalanan multi destinasi dengan mempertimbangkan waktu kunjungan merupakan permasalahan Travelling Salesman Problem with Time Windows (TSP-TW). Algoritma Genetika merupakan salah satu metode pencarian yang dapat digunakan untuk memberikan rute perjalanan yang optimal. Rekomendasi yang diberikan tidak hanya mempertimbangkan jarak tetapi juga waktu tempuh didapatkan menggunakan Google Maps API. Skenario pengujian yang dilakukan adalah pengujian banyak generasi optimal, pengujian banyak populasi optimal, pengujian kombinasi probabilitas crossover (Pc) dan proabilitas mutasi (Pm), serta pengujian konsistensi solusi yang dihasilkan Algoritma Genetika. Hasil pengujian menunjukan bahwa jumlah individu terbaik adalah 150 individu dalam satu populasi. Kriteria berhenti jika setelah 127 generasi berturut-turut didapatkan nilai fitness tertinggi yang tidak berubah dan kombinasi probabilitas crossover dan probabilitas mutasi yang paling optimal adalah {0.3 : 0.7}.</p> Herdiesel Santoso Rachmad Sanuri Copyright (c) 2019 Herdiesel Santoso, Rachmad Sanuri http://creativecommons.org/licenses/by-nc/4.0 2019-10-31 2019-10-31 8 2 110 118 10.34148/teknika.v8i2.187 Klasifikasi Suara Tangisan Bayi Berdasarkan Prosodic Features Menggunakan Metode Moments of Distribution dan K-Nearest Neighbours http://ejournal.ikado.ac.id/index.php/teknika/article/view/206 <p>Bagi orang dewasa suara tangisan bayi terdengar sangat mengganggu, apalagi jika tangisannya berlarut-larut. Karena tidak ada yang mengerti arti dari suara tangisan bayi. Dijaman sekarang yang serba otomatis pengenalan suara tangisan bayi dapat dilakukan secara otomatis menggunakan komputer. Jika suara tangisan bayi dapat diartikan secara otomatis oleh komputer maka dapat membantu orang dewasa mengenali kebutuhan si bayi dan si bayi bisa tenang dengan mudah. Pengenalan suara tangisan bayi secara otomatis dapat dilakukan dengan menggunakan sistem perangkat lunak komputer. Sistem tersebut dapat mengidentifikasi suara tangisan bayi menggunakan algoritma klasifikasi. Algoritma yang dapat digunakan untuk melakukan klasifikasi adalah K-Nearest Neighbour. Untuk melakukan klasifikasi suara bayi perlu diubah menjadi data numerik yang dapat digunakan pada proses klasifikasi proses tersebut dinamakan ekstraksi fitur. Ekstraksi fitur yang digunakan pada penelitian ini adalah Prosodic Features. Setelah melewati proses ekstraksi fitur perlu dilakukan pengenalan pola untuk mendapatkan perbedaan pola antara satu data suara tangisan bayi dengan data suara tangisan bayi yang lain menggunakan Metode Moment of Dsitribution. Akurasi terbaik pada proses klasifikasi menggunakan data sampling Percentage Rate yaitu 76% dimana nilai K yang digunakan adalah 9. Sedangkan akurasi terbaik pada proses klasifikasi menggunakan data sampling Leave One Out yaitu 42% dengan nilai K yang digunakan adalah 5.</p> Aditya Singgi Prayogi Maulana Rizqi Tresna Maulana Fahrudin Copyright (c) 2019 Aditya Singgi Prayogi, Maulana Rizqi, Tresna Maulana Fahrudin http://creativecommons.org/licenses/by-nc/4.0 2019-10-31 2019-10-31 8 2 119 125 10.34148/teknika.v8i2.206 Rekomendasi Pembelian Barang Pada Sistem Retail Dengan Metode Dekomposisi Census II http://ejournal.ikado.ac.id/index.php/teknika/article/view/222 <p>Masalah ketersediaan stok masih menjadi salah satu hal penting dalam menjalankan bisnis di dunia perdagangan, khususnya bisnis retail. Ketersediaan stok berhubungan erat dengan keputusan pembelian barang yang dilakukan oleh toko. Jika keputusan dalam menentukan jumlah barang yang dibeli kurang tepat, maka bisa berakibat jumlah stok yang terlalu banyak (overestimate) atau terlalu sedikit (underestimate). Untuk mendukung keputusan penentuan jumlah barang yang dibeli, diperlukan suatu sistem yang dapat membantu menyediakan rekomendasi jumlah barang yang sebaiknya dibeli, berdasarkan data histori permintaan barang, stok gudang, serta stok pesanan ke pemasok maupun stok pesanan dari pelanggan. Studi kasus dalam penelitian ini adalah toko yang menjual air mineral kemasan galon dan gas tabung LPG. Untuk dapat memperkirakan jumlah permintaan barang diperlukan peramalan (forecasting) dengan metode tertentu, sehingga dapat dihasilkan peramalan permintaan barang yang mendekati kondisi riil. Pada penelitian ini, peramalan permintaan barang dilakukan dengan metode Dekomposisi Census II, di mana tingkat akurasi kesalahan dihitung menggunakan Mean Absolute Error (MAE). Metode Dekomposisi Census II digunakan dalam penelitian ini karena metode ini mampu memisahkan data dari unsur musiman, tren, siklus, dan random sehingga ketepatan hasil ramalan meningkat. Hasil uji coba menunjukkan bahwa MAE periode bulanan mempunyai nilai yang lebih kecil dibandingkan periode tahunan, sehingga diperoleh kesimpulan bahwa peramalan periode bulanan memiliki ketepatan yang lebih tinggi dibanding periode tahunan.</p> Susana Limanto Ellysa Tjandra Arie Indrawan Copyright (c) 2019 Susana Limanto, Ellysa Tjandra, Arie Indrawan http://creativecommons.org/licenses/by-nc/4.0 2019-10-31 2019-10-31 8 2 126 132 10.34148/teknika.v8i2.222 Visual Novel Interaktif Cerita Fabel Kelinci Dan Kura-Kura Pada Smartphone Berbasis Android Dengan Memanfaatkan Framework Fungus http://ejournal.ikado.ac.id/index.php/teknika/article/view/230 <p>Ilmu pengetahuan dan teknologi berkembang dengan pesat, dimana media pembelajaran dengan menggunakan buku mulai ditinggalkan dan beralih menggunakan bentuk digital. Untuk itu, dalam Tugas Akhir ini dirancang dan dibuat aplikasi berjudul “Vino: Kelinci Dan Kura-Kura” yang bertujuan untuk menarik minat baca anak usia 4 sampai 7 tahun. Aplikasi visual novel interaktif ini mengangkat tema cerita fabel yang dikemas dalam bentuk interaktif pada smartphone berbasis Android. Aplikasi ini dikembangkan dengan Unity 3D yang memanfaatkan Framework Fungus. Beberapa fitur dalam aplikasi ini adalah fitur touch dan drag yang membuat aplikasi menjadi lebih menarik untuk dimainkan. Selain itu, terdapat interaksi dalam setiap scene yang digunakan pengguna untuk menentukan alur cerita. Berdasarkan hasil pengujian white box testing menggunakan metode basis path, aplikasi berhasil berjalan dengan baik. Selanjutnya dilakukan uji coba usability testing menggunakan metode problem discovery. Dari hasil uji coba tersebut, aplikasi “Vino: Kelinci Dan Kura-Kura” dapat menarik minat baca anak usia 4 sampai 7 tahun. Hal ini dapat dibuktikan dari 10 responden yang memainkan aplikasi berulang kali untuk mencari tahu 3 jalan cerita yang berbeda, yaitu normal ending, bad ending, dan perfect ending.</p> Muhammad Irfan Serfia Timothy John Pattiasina Edwin Meinardi Trianto Copyright (c) 2019 Muhammad Irfan Serfia, Timothy John Pattiasina, Edwin Meinardi Trianto http://creativecommons.org/licenses/by-nc/4.0 2019-10-31 2019-10-31 8 2 133 141 10.34148/teknika.v8i2.230 Stemming Bahasa Tetun Menggunakan Pendekatan Rule Based http://ejournal.ikado.ac.id/index.php/teknika/article/view/224 <p>Stemming adalah proses yang sangat penting untuk mencari kata dasar dari sebuah kata derivatif. Inti dari proses stemming adalah menghilangkan imbuhan pada suatu kata. Stemming sangat dibutuhkan untuk proses information retrieval system. Algoritma pada proses stemming bisa berbeda-beda pada setiap bahasa di berbeda negara. Data yang digunakan adalah 176 kata dasar dalam bahasa Tetun yang merupakan bahasa asli warga negara Timor Leste. Penelitian ini bertujuan untuk merancang algoritma baru yang tepat untuk stemming bahasa Tetun. Tahap awal stemming bahasa Tetun adalah proses filterisasi untuk menghilangkan tanda baca, angka, dan kata yang tidak penting. Lalu tahap tokenisasi untuk membuat variabel yang terdiri dari satu kata. Lalu setiap kata melalui proses stemming untuk menghilangkan imbuhan awalan, akhiran, dan konfiks. Analisis dilakukan berdasarkan kasus error stemming seperti overstemming, understemming, unchanged, dan spelling exception. Hasil uji coba yang didapatkan adalah algoritma stemming bahasa Tetun menghasilkan akurasi sebesar 90.52%.</p> Anita Guterres Gunawan Joan Santoso Copyright (c) 2019 Anita Guterres, Gunawan, Joan Santoso http://creativecommons.org/licenses/by-nc/4.0 2019-10-31 2019-10-31 8 2 142 147 10.34148/teknika.v8i2.224