Analisis Serangan Web Defacement pada Situs Web Pemerintah Menggunakan ELK Stack

(1)

(2)

ISSN : 2527 – 5836 (print) | 2528 – 0074 (online)

Analisis Serangan Web… (Fazlurrahman & Dedy Hariyadi)

Analisis Serangan Web Defacement pada Situs Web Pemerintah Menggunakan ELK Stack

Fazlurrahman

⁽¹⁾

, Dedy Hariyadi

⁽²⁾

,

Komunitas NgeSec Yogyakarta

⁽¹⁾

, Universitas Jenderal Achmad Yani Yogyakarta

⁽²⁾

, e-mail : [email protected]

⁽¹⁾

, [email protected]

⁽²⁾

,

Abstract

Web defacement is an attack that is categorized as a potential cyber attack. The impact of web defacement attacks is that the process of returning to the original condition requires special mitigation. Monitoring web defacement attacks can be done from two sides, namely internal and external sides. In this study external monitoring and analysis of web defacement attacks.

Therefore a special application is needed to get information from OSINT Source, an information provider for web defacement attacks which is the result of reports from hackers. The information obtained is then processed using ELK Stack to facilitate analysis in the form of visualization on the Dashboard.

Keywords : Defacement, Cyber Security, ELK Stack, Web Scraping, E-Government

Web defacement merupakan serangan yang dikategorikan sebagai serangan siber yang berpotensi. Dampak dari serangan web defacement adalah proses pengembalian ke kondisi semula yang memerlukan mitigasi khusus. Pemantauan serangan web defacement dapat dilakukan dari dua sisi, yaitu sisi internal dan eksternal. Pada penelitian ini pemantauan dan analisis serangan web defacement dari sisi eksternal. Oleh sebab itu diperlukan aplikasi khusus untuk mendapatkan informasi dari OSINT Source penyedia informasi serangan web defacement yang merupakan hasil laporan dari peretas. Informasi yang didapatkan selanjutnya diolah menggunakan ELK Stack untuk mempermudah analisis dalam bentuk visualisasi pada Dashboard.

Kata Kunci : Defacement, Keamanan Siber, ELK Stack, Web Scraping, E-Government

1. PENDAHULUAN

Penetrasi pengguna internet di Indonesia meningkat dari tahun ke tahun. Sejak 10 tahun yang lalu pengguna selalu naik minimal + 10.000.000 pengguna setiap tahunnya. Pada tahun 2018 mengalami peningkatan + 27.900.000 pengguna dibandingkan tahun 2017 (Asosiasi Penyelenggara Jasa Internet Indonesia, 2019)⁠. Tindak kejahatan melalui media digital atau teknologi informasi dan komunikasi pun selaras dengan pertumbuhan pengguna internet, selalu mengalami peningkatan penerimaan barang bukti elektronik dan/atau digital di Kepolisian (Hariyadi, Winarno, & Luthfi, 2016)⁠.

Tindak kejahatan berupa serangan siber sepanjang tahun 2018 dengan objek pantau situs web

sebanyak 16.939 serangan. Situs web dengan domain .go.id mendapat serangan terbanyak

dibanding Country Code Top Level Domain (ccTLD) .id lainnya. Tabel 1 menunjukan persentase

pemantauan insiden situs web pada tahun 2018 dengan ccTLD .id. Bentuk insiden yang terjadi

pada situs web adalah web defacement (Indonesia Security Incident Response Team on

Infrastructure / Coordination Center, 2019)⁠. Pada penelitian sebelumnya serangan web

defacement pada situs web milik pemerintah juga pada urutan pertama berdasarkan observasi

pada bulan Januari sampai dengan Juli 2014 (Mantra, 2015)⁠⁠.

(3)

JISKA ISSN 2528-0074 ■ 2

Tabel 1. Pemantauan Insiden Situs Web Tahun 2018

No ccTLD Persentase

1 .go.id 30.75 % 2 .ac.id 28.38 % 3. .sch.id 12.58 % 4. .co.id 10.92 %

5. .id 8.25 %

6. .or.id 2.96 % 7. .desa.id 2.76 % 8. .web.id 2.56 % 9. .my.id 0.53 % 10. .mil.id 0.11 % 11. .biz.id 0.08 % 12. .net.id 0.08 % 13. .ponpes.id 0.03 %

Defacement pada situs web atau web defacement dapat diartikan tindakan mengubah tampilan halaman situs yang tidak semestinya oleh orang yang tidak memiliki otoritas (Romagna & Hout, 2017)⁠. Masih menurut Rogmana dan Hout serangan web defacement merupakan serangan yang berpotensi karena memerlukan biaya untuk memperbaikinya. Penelitian ini fokus pada pemantauan serangan web defacement dengan studi kasus situs web pemerintah yaitu yang memiliki domain .go.id supaya pihak pemerintah memperhatikan pembiayaan setelah pengembangan sebuah sistem berbasis web.

2. KAJIAN PUSTAKA

2.2. TOP-LEVEL DOMAIN

Domain Name System (DNS) merupakan sistem yang berfungsi mengkoversi nama domain yang mudah diingat ke dalam bentuk IP Address dengan melakukan permintaan informasi ke sistem yang memiliki hierarki dan tersebar. Adanya DNS maka memudahkan menghubungkan sumber daya komputasi baik melalui internet maupun jaringan internal (Mockapetris, 1987)⁠. Sistem hierarki DNS tertinggi yang disebut Root yang melakukan pendelegasian tanggung jawab ke Top- Level Domain (TLD). Contoh Top-Level Domain diantaranya: .com, .net, .org, .info, .online, dan .id. Organisasi nirlaba yang mengelola DNS dan IP adalah Internet Corporation for Assigned Names and Numbers (ICANN). Adapun daftar basis data Root Zone yang beralamat di ftp://ftp.rs.internic.net/domain/root.zone dikelola Internet Assigned Numbers Authority (IANA), sebuah departemen di bawah ICANN (Wang, Zhang, & Xu, 2018)⁠⁠. Berdasarkan surat Dirjen APTEL Kementerian Komunikasi dan Informatika Nomor BA–343/DJAT/MKOMINFO/6/2007 pengelolaan Top-Level Domain .id diserahkan dari Dirjen APTEL ke Pengelola Nama Domain Internet Indonesia (Pandi). Pandi tidak hanya mengelola Top-Level Domain .id, sub domain dua tingkat dibawahnya juga dikelola oleh Pandi. Adapun daftar sub domain dua tingkat yang dikelola

oleh Pandi

diantaranya .co.id, .ac.id, .or.id, .go.id, .my.id, .web.id, .biz.id, .net.id, .mil.id, .sch.id, .desa.id, dan .ponpes.id (Pengelola Nama Domain Internet Indonesia, n.d.)⁠.

2.3. WEB SCRAPING

Web scraping merupakan kode yang memanfaatkan teknik untuk melakukan ekstraksi informasi

dengan sumber suatu halaman situs web. Informasi yang didapatkan dapat disimpan pada suatu

(4)

Analisis Serangan Web… (Fazlurrahman & Dedy Hariyadi) berkas dengan format, open document spreadsheet, Microsoft Excel, Comma Separated Value, Structured Query Language, Extensible Markup Language, atau berkas teks. Kode tersebut maka disebut web scraper yang dibuat menggunakan bahasa pemrograman tertentu (Mishra & Pujari, 2011)⁠. Pada penelitian ini bahasa yang digunakan untuk melakukan scraping situs web adalah Python. Istilah lain dari web scraping juga dikenal sebagai screen scraping, web data extraction atau web harvesting (Jain & Kasbe, 2018)⁠⁠.

2.4. PUSTAKA PYTHON

Dipilihnya bahasa pemrograman Python pada penelitian ini karena ketersediaan pustaka yang mendukung untuk proses web scraping. Adapun pustaka Python yang digunakan dalam penelitian ini sebagai berikut:

1. Requests, pustaka yang penggunaan mudah dan sederhana dalam pemanfaatan HTTP Persistent Connection. Hal ini memudahkan dalam berkomunikasi dengan web service dengan berbagai metode yang digunakan dalam penelitian ini, yaitu GET untuk mengambil data dari halaman web (Mehak, Zafar, Aslam, & Bhatti, 2019)⁠.

2. CSV, pustaka manipulasi data yang dikhususkan pada berkas berformat CSV. Berkas berformat CSV merupakan dokumen bertipe MIME Text sesuai standar RFC 4180.

Dipilih berkas format CSV untuk memudahkan pengolahan data (Nastiti, Hariyadi, &

Fazlurrahman, 2019)⁠.

3. Argparse, pustaka yang berfungsi melakukan parsing argumen suatu masukan, perintah tambahan dan pilihan suatu perintah yang berbasis Command Language Interpreter.

4. BeatifulSoup, fungsi dari pustaka ini mengambil informasi pada halaman situs web baik dalam bentuk HTML ataupun XML. Proses pengambilan informasi menggunakan pendekatan pohon dari Document Object Model (DOM) (Mehak et al., 2019)⁠.

5. Datetime, hasil dari web scraping berupa berkas CSV yang memanfaatkan pustaka CSV yang dikombinasikan dengan pustaka ini untuk penamaan berkas berdasarkan waktu pengambilan atau scraping.

6. Cookie, untuk meminimalisir mengubah kode web scraping dengan memanfaatkan pustaka ini untuk memisahkan berkas yang berisi informasi dari Cookie situs web.

2.5. ELK STACK

ELK Stack yang merupakan kependekan dari Elasticsearch, Logstash, Kibana sebagai satu kesatuan sebuah sistem dengan fungsi melakukan sebuah analisis dengan visualisasi untuk mempermudah pengguna. Sesuai kependekannya ELK Stack terdiri dari tiga komponen yaitu (Prakash, Kakkar, & Patel, 2016)⁠:

1. Elasticsearch merupakan pengindeks konten dari sebuah mesin pencarian situs web yang pencariannya dan daftar informasinya memanfaatkan arsitektur RESTful sebagai JSON diatas protokol HTTP. Proyek pengembangan Elasticsearch dibawah naungan Apache’s Lucene Project dengan lisensi Apache License versi 2 yang mudah untuk diadaptasi tanpa biaya tinggi.

2. Logstash merupakan alat pengelola sebuah catatan berupa log atau berkas teks lainnya yang selanjutnya untuk diolah oleh Elasticsearch.

3. Kibana berfungsi untuk mengolah informasi dari Logstash berdasarkan dari pengindeksan dari Elasticsearch dalam bentuk visualisasi yang mempermudah pengguna.

3. DESAIN SISTEM

Pada penelitian ini desain sistemnya terbagi menjadi 4 bagian, yaitu Pengumpulan Data, Pra

Pemrosesan Data, Pengolahan Data, dan Dashboard. Gambar 1 menunjukan desain sistem dari

bagian pengumpulan data sampai dengan visualisasi analisis serang siber. Berdasarkan Tabel 1

serangan siber berupa web defacement dialami oleh pemerintah dengan Top-Level

Domain .go.id. Oleh sebab itu pada bagian Pengumpulan Data sumber data yang digunakan

khusus pada Top-Level Domain dari situs web www.zone-h.org. Metode yang digunakan untuk

mendapatkan informasi serangan pada situs web www.zone-h.org adalah web scraping. Hasil

dari web scraping disimpan dalam berkas berformat .csv.

(5)

JISKA ISSN 2528-0074 ■ 4

Berkas .csv hasil dari web scraping perlu dilakukan validasi pada bagian Pra Pemrosesan Data.

Hal ini bertujuan untuk mendapatkan data yang rapi berdasarkan kaidah atau kolom-kolom yang telah ditetapkan. Beberapa kasus, informasi yang di-scraping ada yang tidak sesuai dengan kolom-kolom yang telah ditetapkan. Bagian Pengolahan Data dan Dashboard terintegrasi dengan ELK Stack. Berkas .csv yang telah sesuai dengan kaidah maka diproses oleh Logstash dan Elasticsearch untuk dibuatkan pengindeksan. Selanjutnya visualisasi serangan siber pada situs web pemerintah dengan Top-Level Domain .go.id melalui Kibana.

4. HASIL DAN PEMBAHASAN

Beberapa serangan web defacement dilaporkan oleh penyerang ke situs web www.zone-h.org.

Serangan berasal dari berbagai negera sehingga untuk memisahkan serangan web defacement ke pemerintah menggunakan sub-domain dari TLD, yaitu .go.id. Untuk menarik informasi serangan web defacement pada www.zone-h.org terlebih dahulu menelusuri pola dari Uniform Resource Locator (URL) dengan kata kunci situs web pemerintah Indonesia. Adapun URL yang digunakan untuk mendapatkan serangan web defacement pada situs wes pemerintah di Indonesia adalah http://www.zone-h.org/archive/filter=1/special=1/domain=go.id/fulltext=1/.

Selain mencatat URL yang diperlukan dalam penelitian ini adalah Cookies saat mengakses URL tersebut.

Makaboro merupakan Web scraper yang dikembangkan menggunakan bahasa pemrograman Python membutuhkan beberapa pustaka. Oleh sebab itu sebelum menjalankan aplikasi web scraper terlebih dahulu installasi pustaka-pustaka yang diperlukan. Berdasarkan penelusuran kata kunci .go.id didapatkan daftar situs-situs web pemerintah Indonesia yang ter-deface dengan penyajian per halaman web dua puluh lima situs web pemerintah Indonesia. Oleh sebab itu proses scraping diperlukan juga nomor lembar halaman situs web. Penggunaan aplikasi web scraper menggunakan perintah python makaboro.py –start [Nomor Halaman Terdepan] --stop [Nomor Halaman Terakhir] –output [Penanda Berkas]. Dari perintah tersebut akan mendapatkan berkas berformat zoneH-Tahun-Bulan-Tanggal-Penanda.csv. Tahun-Bulan-Tanggal merupakan waktu pengambilan data. Penanda berfungsi sebagai pemberian versi pengambilan data secara manual (Fazlurrahman, 2018)⁠.

Berkas .csv yang didapatkan tidak dapat langsung dilakukan analisis. Berkas tersebut perlu dilakukan penyesuaian, diantaranya memastikan bahwa setiap kolom terisi dengan informasi yang benar dan mengisi kolom Institusi yang belum bisa didapatkan saat scraping. Tabel 2 sebagian contoh hasil web scraping dalam bentuk berkas .csv. Informasi yang didapatkan diantaranya Halaman Terdeface, Attacker, Tebas Index, Kejadian, Arsip. Sedangkan nama institusi pemerintah belum bisa didapatkan.

Gambar 1. Desain Sistem

(6)

Analisis Serangan Web… (Fazlurrahman & Dedy Hariyadi)

Tabel 2: Hasil Scraping

Institusi Halaman Terdeface Attacker Tebas

Index Kejadian Arsip perpustakaan.pn-

medankota.go.i... Vijune15 T

2019-03- 07 00:00:00

www.zone-

h.org/mirror/id/32252173

wondamakab.go.id/galau.htm Astra T

2019-03- 07 00:00:00

www.zone-

www.blh.badungkab.go.id/k.htm Mr.Yagami T

2019-03- 07 00:00:00

www.zone-

takalarkab.go.id/lol.php MR.5T1Y0 T

2019-03- 06 00:00:00

www.zone-

oku.sumsel.polri.go.id/readme....

KURD ELECTRONIC TEAM

T

2019-03- 05 00:00:00

www.zone-

pa-taliwang.go.id by_dadaş Y

2019-03- 05 00:00:00

www.zone-

Setelah berkas .csv sudah ter-scrap proses selanjutnya adalah melakukan penyesuaian berkas .csv. Terlihat pada Tabel 2 kolom Insitusi masih kosong. Oleh sebab itu kolom Institusi diisi manual berdasarkan kaidah nama institusi pemerintah. Tabel 3 menunjukan proses dari hasil penyesuaian bekars pada kolom institusi.

Tabel 3. Hasil Penyesuaian Berkas

Institusi Halaman Terdeface Attacker Tebas

Index Kejadian Arsip Pengadilan

Negeri Kota Meda

perpustakaan.pn-

medankota.go.i... Vijune15 T

2019-03- 07 00:00:00

www.zone-

Kota

Wondaman wondamakab.go.id/galau.htm Astra T

2019-03- 07 00:00:00

www.zone-

Kabupaten

Badung www.blh.badungkab.go.id/k.htm Mr.Yagami T

2019-03- 07 00:00:00

www.zone-

Kabupaten

Takalar takalarkab.go.id/lol.php MR.5T1Y0 T

2019-03- 06 00:00:00

www.zone-

Kepolisian oku.sumsel.polri.go.id/readme....

KURD ELECTRONIC TEAM

T

2019-03- 05 00:00:00

www.zone-

h.org/mirror/id/32248515 Pengadilan

Agama Taliwang

pa-taliwang.go.id by_dadaş Y

2019-03- 05 00:00:00

www.zone-

Berkas yang telah disesuaikan diunggah ke mesin ELK Stack untuk diolah menggunakan

Logstash dan Elasticsearch yang selanjutnya ditampilkan dalam bentuk Dashboard

menggunakan Kibana. Pada Dashboard yang tampak pada Gambar 2 terdiri dari enam bagian,

yaitu grafik serangan harian web defacement (1), sepuluh besar institusi pemerintah yang

menjadi korban web defacement (2), sepuluh besar penyerang (3), grafik yang menunjuk

(7)

JISKA ISSN 2528-0074 ■ 6 persentase dampak serangan tebas index (4), visualisasi cloud situs web pemerintah yang terkena dampak (5), dan visualisasi cloud penyerang situs web pemerintah (6).

Analisis dan visualisasi pada Gambar 2 menggunakan ELK Stack dengan sumber data yang diambil dari 1 Januari 2019 sampai dengan 30 April 2019. Serangan web defacement tidak selalu dilaporkan setiap hari oleh penyerang. Dalam hal ini penyerang ada dalam bentuk kelompok ataupun individu. Pada situs www.zone-h.org tidak mengklasifikasikan peretas menjadi kelompok atau individu. Dalam rentang 1 Januari 2019 sampai dengan 30 April 2019 institusi pemerintah yang lebih banyak diserang adalah Kota Bekas sedangkan pelaku yang paling sering melakukan penyerangan adalah grup Family Attack Cyber.

Tabel 4. Sepuluh Besar Institusi Terdampak Web Defacement No Institusi Terdampak Jumlah Serangan

1 Kota Bekas 65

2 Kabupaten Bantul 63

3 Kabupaten Sumenep 43

4 Provinsi Sulawesi Barat 22

5 Kabupaten Bengkulu Selatan 21

6 Kabupaten Ende 20

7 Kabupaten Manggarai Barat 20

Gambar 2. Dashboard Serangan Web Defacement

(8)

Analisis Serangan Web… (Fazlurrahman & Dedy Hariyadi)

8 Kabupaten Kediri 18

9 Kabupaten Majalengka 17

10 Kota Metro 15

Tabel 5. Sepuluh Besar Penyerang

No Penyerang Kategori penyerang Jumlah Serangan

1 Family Attack Cyber Grup 134

2 ./Sn00py Individu 70

3 Akbar dravinky Individu 48

4 Dev19Feb Individu 38

5 KID2ZON3 Individu 31

6 KingSkrupellos Grup 29

7 Triple A Individu 24

8 ErrOr SquaD Grup 20

9 ghost7 Grup 20

10 W3LL SQUAD Grup 19

Dampak serangan web defacement terbagi menjadi dua, yaitu Tebas Index dan Serangan Sub Halaman Web. Tebas Index merupakan istilah yang sering digunakan oleh para penyerang dengan dampak serangan halaman depan terganti dengan halaman yang tidak semestinya.

Tentu halaman tersebut telah dipersiapkan oleh penyerang dengan berbagai pesan.

5. KESIMPULAN

Makaboro yang dapat diunduh di alamat https://github.com/orangmiliter/makaboro berfungsi sebagai web scraper pada OSINT Source www.zone-h.org yang dikhususkan serangan defacement pada situs web pemerintah Indonesia. Hasil dari Makaboro perlu disesuaikan kembali untuk pengolahan lebih lanjut, yaitu pada kolom institusi. Harapannya penelitian selanjutnya OSINT Source lebih dari satu penyedia. Hal ini disebabkan ada beberapa peretas yang melaporkan tindakan defacement selain di www.zone-h.org.

DAFTAR PUSTAKA

Asosiasi Penyelenggara Jasa Internet Indonesia. (2019). Penetrasi dan Perilaku Pengguna Internet Indonesia 2018. Jakarta.

Fazlurrahman. (2018). Makaboro. Retrieved December 20, 2018, from https://github.com/orangmiliter/makaboro

Hariyadi, D., Winarno, W. W., & Luthfi, A. (2016). Analisis Konten Dugaan Tindak Kejahatan Dengan Barang Bukti Digital Blackberry Messenger. Teknomatika STMIK Jenderal Achmad Yani Yogyakarta, 9(1), 81–89. Retrieved from

http://teknomatika.stmikayani.ac.id/teknomatika-9-1/

Indonesia Security Incident Response Team on Infrastructure / Coordination Center. (2019).

Indonesia Cyber Security Monitoring Report 2018. Jakarta.

(9)

JISKA ISSN 2528-0074 ■ 8 Jain, A., & Kasbe, A. (2018). Fake News Detection. 2018 IEEE International Students’

Conference on Electrical, Electronics and Computer Science, SCEECS 2018, 1–5.

https://doi.org/10.1109/SCEECS.2018.8546944

Mantra, I. (2015). Indonesia Web Defacement Attacks Analysis for Anti Web Defacement.

Jurnal TICOM, 3(3).

Mehak, S., Zafar, R., Aslam, S., & Bhatti, S. M. (2019). Exploiting Filtering Approach with Web Scrapping for Smart Online Shopping. 2019 2nd International Conference on Computing, Mathematics and Engineering Technologies, ICoMET 2019, 1–5.

https://doi.org/10.1109/ICOMET.2019.8673399

Mishra, D., & Pujari, N. (2011). Cross-domain query answering: Using Web scrapper and data integration. 2011 2nd International Conference on Computer and Communication Technology, ICCCT-2011, 27–32. https://doi.org/10.1109/ICCCT.2011.6075193 Mockapetris, P. V. (1987). RFC 1035: Domain Names - Implementation and Specification.

Nastiti, F. E., Hariyadi, D., & Fazlurrahman. (2019). TelegramBot : Crawling Data Serangan Malware dengan Telegram. Journal of Computer Engineering System and Science, 4(1).

https://doi.org/10.24114/cess.v4i1.11436

Pengelola Nama Domain Internet Indonesia. (n.d.). Tentang PANDI. Retrieved February 1, 2019, from https://pandi.id/profil/tentang-pandi/

Prakash, T., Kakkar, M., & Patel, K. (2016). Geo-Identification of Web Users through Logs using ELK Stack. In Proceedings of the 2016 6th International Conference - Cloud System and Big Data Engineering, Confluence 2016 (pp. 606–610).

https://doi.org/10.1109/CONFLUENCE.2016.7508191

Romagna, M., & Hout, N. J. Van Den. (2017). Hacktivism and website defacement : Motivations, capabilities and potential threats. 27th Virus Bulletin International Conference, (October).

Wang, M., Zhang, Z., & Xu, H. (2018). DNS Configurations and Its Security Analyzing via Resource Records of the Top-Level Domains. In Proceedings of the International

Conference on Anti-Counterfeiting, Security and Identification, ASID (Vol. 2017-Octob, pp.

21–25). https://doi.org/10.1109/ICASID.2017.8285736

(10)

ISSN : 2527 – 5836 (print) | 2528 – 0074 (online)

Pengembangan Aplikasi Katalog Rumah Berbasis Augmented Reality Menggunakan Algoritma FAST

Eis Akmeliny Fitrana

⁽¹⁾

, Anif Hanifa Setyaningrum

⁽²⁾

, Arini

⁽³⁾

Teknik Informatika

UIN Syarif Hidayatullah

Jl. Ir. Haji Juanda No. 95, Ciputat, Indonesia e-mail : [email protected]

Abstrak

Kharia Residence merupakan perumahan yang masih menggunakan katalog 2D dalam pemasarannya, pihak developer menginginkan adanya inovasi pada media promosinya agar dapat meningkatkan minat konsumen terhadap rumah yang ditawarkan. Tujuan penelitian ini dibuat untuk mengembangkan media promosi yang menggunakan 3D dalam menvisualisasikan bangunan rumah dengan memanfaatkan tekonologi Augmented Reality pada katalog perumahannya. Metode penelitian yang digunakan dengan metode observasi, kuesioner, studi pustaka dan metode pengembangan sistem Luther. Alat bantu yang digunakan adalah unity 3D sebagai application builder dan vuforia SDK sebagai library Augmented Reality yang didalamnya terdapat algoritma FAST Corner Detection yang diukur kedalam Star Rating disetiap markernya.

Hasil akhir penelitian ini berupa aplikasi katalog home 3D. Untuk keberhasilan kemunculan objek 3D disarankan agar menggunakan spesifikasi platform dan kualitas star rating marker yang tinggi, serta berada di intensitas cahaya sedang (40 – 1000 lux) dan jarak antara marker dengan kamera AR berada disekitar 10 cm sampai 30 cm dengan sudut 60

⁰

sampai 90

⁰

.

Kata Kunci : Augmented Reality, FAST Corner Detection, Star Rating, Marker, Katalog Rumah.

1. PENDAHULUAN 1.1. Latar Belakang

Rumah atau hunian tempat tinggal merupakan kebutuhan utama bagi manusia, Namun pada saat ini, keterbatasan lahan dan jumlah populasi penduduk yang terus meningkat menjadi masalah besar sehingga mendorong mereka untuk menemukan cara agar tetap mendapatkan tempat layak tinggal yang memenuhi semua kebutuhan dan keinginannya.

Para pengembang perumahan (Developer) adalah instansi yang memiliki peranan besar dalam mewujudkan harapan, para pengembang yang tergolong ke dalam bisnis property ini terus mencari cara agar dapat memasarkan produk mereka sampai kepada pembeli. Banyaknya industri dalam bidang ini mengharuskan setiap perusahaan mempunyai strategi yang inovatif dan modern.

Dengan pemanfaatan Teknologi Augmented Reality (AR) diharapkan konsumen akan mengetahui lebih detail produk rumah yang akan dibeli. Karena menurut survei yang telah terjadi, kebanyakan konsumen ketika memesan produk, belum mengetahui bentuk asli dan nyata seperti apa, itu dikarenakan media promosi yang digunakan masih menggunakan katalog gambar Dua Dimensi yang hanya bisa dilihat dari satu arah saja (Andi, 2014).

Selain dapat melihat dengan detail produk tersebut, dengan memanfaatkan teknologi Augmented Reality, konsumen akan dapat melihat tampilan 3D rumah yang terdapat pada katalog, sehingga rumah yang tampilkan akan terlihat lebih detail dan nyata, sehingga dapat membantu para pembeli untuk mengetahui dengan baik rumah yang akan dibeli, serta akan mempermudah seller rumah sebagai media promosi kepada konsumen. (Rifa’i, 2014).

Dalam penelitian lain yang berjudul “Implementasi Teknologi Augmented Reality pada Majalah

Interaktif Berbasis Android Menggunakan Metode Algoritma FAST Corner Detection”, Oleh

Rozi Rikza Akbar, mempresentasikan objek 3D pada majalah dengan memanfaatkan

augmented reality sebagai alat bantu. Alat bantu yang digunakan untuk mempresentasikan

(11)

JISKa ISSN:2527–5836 (print) | 2528–0074 (online) ■ 10 objek 3D dan informasinya adalah Vuforia SDK dan Engine Unity 3D. Gambar yang digunakan untuk menampilkan objek 3D diunggah ke vuforia. Proses selanjutnya memberikan corner point dan koordinat dengan menggunakan algoritma FAST, sehingga gambar ini memiliki koordinat dan corner point yang unik. Selain itu hasil penelitiannya pun menyatakan bahwa algoritma FAST Corner Detection ini dapat dengan cepat menentukan corner dari suatu gambar yang dijadikan marker. Sehingga dapat dengan mudah mengenali marker yang ditangkap oleh kamera dengan cepat dan baik.

Selain itu, Marker merupakan salah satu komponen penting dalam aplikasi Augmented Reality (AR), kemunculan objek pada AR sangat dipengaruhi oleh kualitas marker yang diukur dalam Star Rating dan jarak penempatan marker dan pencahayaan disekitarnya (Wahyu, Julinas dan Dinda, 2016).

Sedangkan berdasarkan survei pra penelitian yang dilakukan pada 56 responden dengan teknik random sampling yang disebar melalui google drive, terdapat 51 orang (96,2%) responden mengatakan bahwa mereka tertarik apabila ada sebuah aplikasi yang memuat tentang konsep 3 dimensi pada katalog perumahan yang berbasis android. Dan 100% dari konsumen/calon pembeli menyatakan bahwa dengan adanya konsep 3 dimensi pada aplikasi katalog perumahan mempermudah mereka dalam menvisualisasikan sebuah bangunan/rumah yang nantinya akan dipilih. Hal tersebut menegaskan bahwa Aplikasi Katalog Perumahan 3 dimensi atau AR Katalog ini sangat dibutuhkan untuk para konsumen dalam mencari rumah yang diinginkan. Maka berdasarkan hasil survei tersebut, aplikasi AR katalog ini juga akan memberikan dampak yang signifikan dalam kegiatan promosi untuk meningkatkan minat para konsumen.

Oleh karena itu, peneliti kali ini akan mencoba mengembangkan aplikasi katalog 3 dimensi yang dapat digunakan dalam kegiatan promosi bagi developer yang dapat menarik perhatian konsumen dan memudahkan konsumen dalam membayangkan rumah yang nantinya akan dipilih dengan alat bantu menggunakan Augmented Reality sebagai alat untuk memanggil objek 3D, Unity sebagai Application Builder dan Vuforia SDK sebagai library Augmented Reality yang didalamnya terdapat algoritma FAST Corner Detection yang diukur kedalam Star Rating disetiap markernya, marker yang digunakan bisa berwarna (RGB) ataupun grayscale dan peneliti menyediakan 20 jenis marker tipe denah rumah yang berbeda-beda, serta peneliti mencoba menganalisa beberapa faktor yang mempengaruhi kemunculan objek 3D terhadap marker/image target yang telah disediakan.

Sehingga pada aplikasi ini peneliti mengharapkan user dapat melihat katalog rumah sekaligus dapat melihat bangunan aslinya tanpa harus datang ke lokasi dengan cara memanfaatkan 3D visualisasi untuk display perumahan dan menggunakan Algoritma FAST Corner Detection agar dapat dengan cepat memunculkan hasil bangunan rumah 3D dari marker katalog rumah yang ditangkap oleh kamera user sehingga bangunan akan muncul secara 3 dimensi.

1.2. RUMUSAN MASALAH

Dari uraian latar belakang, maka peneliti merumuskan masalah sebagai berikut:

1. Bagaimana mengembangkan aplikasi katalog rumah berbasis augmented reality sebagai media promosi?

2. Berapakah hasil Star Rating pada marker yang digunakan untuk aplikasi katalog home 3D?

3. Apakah Star Rating yang baik pada sebuah marker yang telah di deteksi oleh Algoritma FAST Corner Detection, dapat memberikan hasil maksimal dalam membaca setiap sudut yang terdeteksi serta melacak suatu gambar marker yang ditangkap oleh kamera AR pada aplikasi tersebut?

4. Apakah Intesitas cahaya, jarak penempatan marker dan spesifikasi pada platform yang digunakan mempengaruhi kemunculan sebuah objek 3D?

1.3. TUJUAN PENELITIAN

Penelitian ini dilakukan dengan tujuan:

1. Merancang Aplikasi Katalog Perumahan Berbasis Augmented Reality sebagai media untuk

membantu pihak pengembang perumahan (Developer) menjalankan kegiatan promosi

mereka kepada para konsumen / calon pembeli, dan diharapkan dapat membantu pihak

Developer dalam menarik perhatian konsumen yang berpotensial.

(12)

2. Dengan menerapkan Algoritma FAST Corner Detection saat menentukan corner point pada suatu gambar, diharapkan algoritma ini dapat mendefinisikan seberapa baik gambar dapat dideteksi dan dilacak menggunakan Vuforia SDK. Star Rating yang berada pada Vuforia SDK diharapkan akan menjadi indikator yang baik dalam menentukan kualitas gambar/marker yang dideteksi atau dilacak.

3. Dengan menyediakan marker yang memiliki Star Rating yang baik, diharapkan akan memudahkan kamera untuk mendeteksi marker.

4. Dapat mengetahui faktor-faktor yang mempengaruhi tingkat kemunculan objek 3D.

1.4. BATASAN MASALAH

Adapun batasan masalah dalam penelitian ini adalah sebagai berikut:

a. Aplikasi ini dikhusukan untuk perangkat telepon seluler (ponsel) platform android dengan android version minimum 6.0 (Marshmallow)

b. Aplikasi AR dibuat dengan Unity sebagai graphic renderer dan menggunakan Vuforia SDK dan katalog digunakan sebagai marker.

c. Jumlah unit atau rumah yang didaftarkan pada vuforia dibatasi 20 jenis tipe rumah.

d. Penerapan Algoritma FAST Corner Detection sebagai algoritma yang cepat dan baik dalam menentukan corner point dari suatu gambar/marker yang ditangkap oleh kamera dapat di ukur melalui Star Rating pada gambar yang telah didaftarkan ke dalam vuforia SDK.

e. Fitur yang ada pada AR akan menampilkan 3D Bangunan dan button interaktif.

f. Database sementara menggunakan Vuforia SDK untuk menyimpan data tentang bangunan. Dan database ini akan di download kedalam format .unitypackage. Dan akan digunakan sebagai dataset dalam pembuatan aplikasi.

g. Peneliti tidak menerangkan mengenai system keamanan pada database.

h. Peneliti tidak menerangkan mengenai system penjualan.

i. Peneliti fokus terhadap pengaruh tingkat intensitas cahaya, jarak penempatan marker dan spesifikasi sebuah platform dalam keberhasilan munculnya sebuah objek 3D pada aplikasi katalog home 3D.

2. METODE PENELITIAN

Metode Penelitian yang digunakan adalah metode penelitian Kualitatif dengan metode pendeketan eksperimen, dimana tujuan dari penelitian ini adalah untuk melihat pengaruh intensitas cahaya, jarak, sudut dan spesifikasi platform yang dipakai, terhadap kemunculan object 3D pada sebuah marker. Selain itu untuk melihat pengaruh star rating sebuah marker terhadap Kemunculan object 3D dalam mendeteksi setiap titik sudut pada marker tersebut.

2.1. METODE PENGUMPULAN DATA a. Observasi

Pada tahap ini, peneliti melakukan pengamatan langsung di kawasan perumahan Khaira Residence dan CV khaira Mandiri beralamat di Taman Jatisari Permai, Jl Brantas Raya Blok D03 RT 012/014. Kel. Jati sari Kec. Jati Asih, Kota Bekasi. Observasi dilakukan untuk menganalisis permasalahan yang ada dan sebagai landasan yang digunakan sebagai konsep awal untuk perancangan aplikasi yang akan dibuat dan waktu pelaksanaan obervasi dilakukan selama 1 bulan (1 Januari - 1 Februari 2017).

b. Wawancara

Metode wawancara dalam penelitian ini dilakukan untuk mendapatkan informasi yang dibutuhkan peneliti sebagai bahan penelitian. Wawancara bertujuan untuk mengetahui media promosi yang sedang berjalan saat ini sehingga dapat tercipta media promosi digital dalam bentuk 3 dimensi yang dapat diterapkan di smartphone Android. Wawancara dilakukan kepada salah satu pengembang Perumahan Khaira Residence.

c. Kuesioner

Metode Penyebaran Kuesioner dilakukan untuk mengetahui tanggapan dan respon

masyarakat tentang Aplikasi yang akan dibangun. Sampel yang diambil adalah sebanyak 53

orang dengan latar belakang berbagai macam profesi. Pengambilan sampel dilakukan

dengan random sampling yaitu teknik pengambilan sampel dimana semua individu dalam

populasi baik secara sendiri-sendiri atau bersama-sama diberi kesempatan yang sama

(13)

JISKa ISSN:2527–5836 (print) | 2528–0074 (online) ■ 12 untuk dipilih sebagai anggota sampel. Alasan peneliti untuk menggunakan tekhnik random sampling adalah karena nantinya semua orang bisa menggunakan aplikasi yang akan dibangun, tanpa memperdulikan umur, pekerjaan dan lain-lain. Dan metode ini dilakukan selama 5 hari pada tanggal 8 Januari sampai 12 Januari 2017.

d. Studi Literatur Sejenis

Studi literatur sejenis adalah metode yang digunakan peneliti dalam mencari perbandingan dari penelitian yang sudah ada dan membahas tentang masalah yang sejenisnya.

2.2. METODE PENGEMBANGAN MULTIMEDIA

Menurut Luther, tahapan-tahapan dengan metode pengembangan multimedia tidak perlu berurutan. Ada enam tahapan metode pengembangan multimedia versi Luther-Sutopo, keenam tahapan dapat saling bertukar posisi namun tetap dimulai dari tahapan Concept,Design, Material Colecting, Assembly, Testing dan Distribution.

3. HASIL DAN PEMBAHASAN 3.1. PENGUJIAN SISTEM

a. PENGUJIAN ALFA

Tahap pertama dilakukan disebut tahap pengujian alpha ( alpha test ) yang dilakukan oleh pembuat aplikasi atau dilingkungan sekitar peneliti. Pengujian Star Rating terhadap marker, tracking marker terhadap intensitas cahaya, jarak penempatan marker, dan Skenario pengujian coba pada marker yang memiliki star rating berkisar 0-5 dan pengujian pada beberapa perangkat android, untuk mengetahui hal – hal yang mempengaruhi keberhasilan pendeteksian marker.

1. Pengujian Star Rating pada Marker yang digunakan

• Skenario 1

Cara penilaian star rating dilakukan pada saat setelah mengupload marker dan didaftarkan ke dalam vuforia yang memiliki tingkat star rating yang berbeda-beda. Tingkat star rating memiliki nilai dari 0 sampai 5.

Pada penelitian ini, dilakukan skenario pengujian terhadap marker yang telah diupload kedalam vuforia yang memiliki star rating skala penilaian dari 0 sampai 5. Untuk lebih jelas dapat dilihat pada tabel 1.

Tabel 1 Pengujian Star Rating pada Marker

No Denah Spesifikasi

Denah Rating Hasil yang diharapkan

Hasil Pengujian

1

Marker 1 (Denah Alamanda/ home 1) sampai marker 15 (Denah Lily/home 15)

• Resolusi pada gambar 300 Pixel/Inch.

• Dimensi pixel : 1063x1299 pixels

• Format gambar .jpg atau .png

Rating 5 Menampilkan

objek rumah 3D Berhasil

2 Marker 17 (Melati Home 17)

• Dimensi pixel : 157 x 271pixels

objek rumah 3D Berhasil

(14)

No Denah Spesifikasi

Denah Rating Hasil yang diharapkan

Hasil Pengujian

3 Marker 16 (Mawar Home16)

• Dimensi pixel : 144 x 203 pixels

objek rumah 3D Berhasil

4 Marker 18 (Soka Home 18)

• Resolusi pada gambar 60 Pixel/Inch..

objek rumah 3D Sulit Berhasil

5 Marker 19 (Teratai Home 19)

objek rumah 3D Tidak Berhasil

6 Marker 20 (Tulip Home 20)

• Resolusi pada gambar 30 Pixel/Inch..

• Dimensi pixel : 77 x83 pixels

objek rumah 3D Tidak Berhasil

Berdasarkan tabel 1. Dapat disimpulkan bahwa spesifikasi pada denah yang dijadikan marker akan mempengaruhi tingkat star rating. Selain itu pendeteksian titik sudut yang dilakukan oleh Algoritma FAST Corner detection akan mempengaruhi tingkat kemunculan sebuah objek 3D.

Hal ini dapat dilihat pada tabel 2.

Tabel 2 Analisa pendeteksian titik Oleh Algoritma FAST Corner Detection

Marker Star Rating Hasil Analisis Algoirtima

FAST Corner Detection Kemunculan Objek 3D Tulip Home 20

Star Rating 0 Tidak Muncul

(15)

JISKa ISSN:2527–5836 (print) | 2528–0074 (online) ■ 14

Teratai Home 19

Star Rating 1 Tidak Muncul

Marker Star Rating Hasil Analisis Algoirtima

FAST Corner Detection Kemunculan Objek 3D Soka Home 18

Star Rating 2 Lama Munculnya

Mawar Home 16 Star Rating 3 Cepat Muncul

Melati Home 17

Star Rating 4 Cepat Muncul

Alamanda Home 1

Star Rating 5 Cepat Muncul

Berdasarkan hasil dari tabel 1 dan 2 dapat disimpulkan bahwa semakin tinggi nilai star rating yang dimiliki sebuah marker maka semakin banyak titik yang bisa dijadikan titik sudut pada sebuah marker. Dan apabila semakin banyak titik sudut yang dimiliki sebuah marker akan mempengaruhi tingkat kecepatan munculanya sebuah objek 3D. Dengan kata lain, Semakin tinggi nilai Star Rating pada sebuah marker maka semakin cepat objek 3D tersebut akan muncul.

2. Pengujian Intensitas Cahaya

•

Skenario Pengujian 2

Pengujian intensitas cahaya dilakukan dalam dua tempat yaitu di luar ruangan dan di dalam ruangan. Pengukuran cahaya tersebut menggunakan aplikasi light meter.

Pengujian cahaya ini menggunakan perangkat android OPPO F5. Pada luar ruangan membutuhkan intensitas cahaya berkisar 200-1000 lux, sedangkan di dalam ruangan membutuhkan intensitas cahaya 40 - 200 lux . Hasil pengujian intensitas cahaya dapat dilihat pada tabel dibawah ini.

Tabel 3 Hasil Pengujian Intensitas Cahaya menggunakan perangkat android OPPO F5

Cahaya Hasil Pengujian

(16)

Kondisi Ruangan

Light Meter

( lux ) Gambar Keterangan

Luar Ruangan

200 – 1000 lux

Marker lebih cepat terdeteksi oleh kamera AR dan objek 3D dapat ditampilkan dengan baik

Dalam

Ruangan 40 - 200 lux

Kamera AR agak lama

mendeteksi marker, dan Objek 3D dapat muncul dengan baik.

Pada tabel 3, membuktikan bahwa cahaya sangat berperan penting dalam pendeteksian marker, baik buruknya intensitas cahaya akan mempengaruhi kecepatan dalam pendeteksian marker.

Sehingga dapat disimpulkan marker akan cepat terdeteksi apabila berada di dalam intensitas cahaya yang cerah dan pendetaksian marker akan lebih lama jika berada di dalam intensitas cahaya yang rendah/redup.

3. Pengujian Jarak Penempatan Marker

• Skenario 3

Pengujian akursai adalah pengujian pemindaian objek marker pada sudut tertentu.

Dalam hal ini pengujian dilakukan pada sudut sudut 30

⁰

, 45

⁰

, 60

⁰

, 75

⁰

, 90

⁰

dan pada jarak 5 cm, 10 cm, 15 cm, 20 cm, 30 cm dari kamera.

Tabel 4: Hasil Pengujian Akurasi menggunakan perangkat android OPPO F5

Jarak (cm) Sudut

Cahaya Luar Ruangan (200 – 1000 lux)

Cahaya Dalam Ruangan (40 – 200 lux)

Hasil

Keterangan

Hasil

Keterangan

Terdeteksi Tidak Terdeteksi Terdeteksi Tidak Terdeteksi

5

30⁰ X X

45⁰ X X

60⁰ X X

75⁰ X X

90⁰ X X

10

30⁰ √ X

45⁰ √ X

(17)

JISKa ISSN:2527–5836 (print) | 2528–0074 (online) ■ 16

60⁰ √ √

75⁰ √ √

90⁰ √ √

15

30⁰ √ √

45⁰ √ √

60⁰ √ √

75⁰ √ √

90⁰ √ √

20

30⁰ √ √

45⁰ √ √

60⁰ √ √

75⁰ √ √

90⁰ √ √

30

30⁰ √ √

45⁰ √ √

60⁰ √ √

75⁰ √ √

(18)

90⁰ √ √

Dari hasil pengunjian akurasi yang terdapat pada tabel 4, Ketika intensitas cahaya berada di dalam ruangan (40 – 200 lux) marker tidak dapat terdeteksi pada jarak 10 cm dengan saat sudut 30

⁰

- 45

⁰

, kemudian pada jarak 15 cm hanya pada saat sudut 30

⁰

sedangkan pada jarak 5 cm semua sudut yang diujikan marker tidak dapat terdeteksi.

Selanjutnya ketika intensitas cahaya berada diluar ruangan (200 – 1000 lux) pendetksian tidak berhasil hanya pada jarak 5 cm di semua sudut yang diuji. Hal ini dikarekanan marker tampak sangat besar sehingga titik sudut yang ada pada gambar marker tidak terlihat jelas.

Jadi dapat disimpulkan dari pengujian pendeteksian marker ini dapat bekerja maksimal ketika jarak marker ke kamera AR antara 10 cm – 30 cm dan pada sudut 60

⁰

sampai 90

⁰

dengan intensitas cahaya 40 – 1000 lux.

4. Pengujian Spesifikasi Perangkat Android

Berikut ini adalah hasil kualitas marker berdasarkan Pengujian Spesifikasi Perangkat Android. Pengujian perangkat dilakukan untuk mengetahui kekurangan aplikasi saat diterapkan pada smartphone, pengujian ini dilakukan pada beberapa smartphone dengan spesifikasi berbeda. Daftar perangkat android yang digunakan untuk uji coba aplikasi Katalog Home 3D beserta spesifikasinya terdapat pada tabel dibawah ini.

Tabel 5 Spesifikasi Perangkat Android

No Spesifikasi Oppo F5 Xiaomi

Redmi 4x Vivo Y69 Samsung Galaxy Mega 5.8

1 RAM 4 GB 3 GB 3 GB 1.5 GB

2 OS Android 7.1.1

(Nougat)

Android 6.0.1 (Marshmello w)

Android 7.0 (Nougat)

Android 4.2.2 (Jelly Bean)

3 CPU

Octa-core 2.5 GHz Cortex- A53

Octa-core 1.4 GHz Cortex-A53

Octa-core 1.5 GHz Cortex-A53

Dual-Core 1.4 GHz ARM Cortex- A9

4 GPU Mali-G71 MP2 Andreno 505 Mali-T860 MP2

Broadcom VideoCore IV 5 RESOLUSI 1080 x 2160

pixels

720 x 1280 pixels

720 x 1280

pixels 540 x 960 pixels 6 KAMERA Belakang: 16

MP

Belakang:

13 MP

Belakang:

13 MP Belakang: 8 MP

7 LAYAR 6 Inches 5 Inches 5.5 Inches 5.8 Inches

Tabel 6 Hasil Pengujian pada Spesifikasi Perangkat Android

No Operation Processing

Hasil Pengujian Loading Aplikasi Oppo F5 Xiaomi

Redmi 4x Vivo Y69 Samsung Galaxy Mega 5.8

1 Loading Awal

Aplikasi Berhasil Berhasil Berhasil Tidak berhasil terinstal 2 Proses ke

menu utama Berhasil Berhasil Berhasil Tidak berhasil terinstal 3 Proses ke

menu katalog Berhasil Berhasil Berhasil Tidak berhasil terinstal

(19)

JISKa ISSN:2527–5836 (print) | 2528–0074 (online) ■ 18

4 Proses Pendeteksian Marker

Berhasil Berhasil Berhasil Tidak berhasil terinstal

5 Proses ke

menu list view Berhasil Berhasil Berhasil Tidak berhasil terinstal 6 Proses ke

menu help Berhasil Berhasil Berhasil Tidak berhasil terinstal 7 Proses ke

menu abaout Berhasil Berhasil Berhasil Tidak berhasil terinstal Berikut ini adalah gambar dari hasil testing yang dilakukan pada beberapa perangkat android:

Tabel 7 Tampilan Hasil Pengujian Pada Spesifikasi Prangkat Android

No Perangkat

Android Gambar Hasil Pengujian Aplikasi

1 Oppo F5

2 Xiaomi Redmi 4X

3 Vivo Y69

4 Samsung Galaxy Mega 5.8

Pada saat pengujian yang dilakukan pada ke empat perangkat android yang berbeda-beda, Aplikasi Katalog Home 3D ini dapat berhasil berjalan pada 3 perangkat android, yaitu Oppo F5, Xiaomi Redmi 4x, dan Vivo Y69, tetapi aplikasi tidak berhasil terisntal pada perangkat android Samsung Galaxy 5.8. seperti yang terlihat pada table 6 dan 7, Hal ini disebabkan beberapa faktor diantaranya:

1. Spesifikasi perangkat android berbeda-beda.

2. Resolusi layar perangkat android berbeda-beda

(20)

3. Ketika proses rendering resolusi untuk compiler “.apk” di-setting pada resolusi 720 x 1280 pixels.

Sehingga dapat disimpulkan semakin tinggi spesifikasi dari perangkat android tersebut, semakin baik juga dalam menentukan kecepatan proses loading dari aplikasi ini

b. PENGUJIAN BETA

1. Pengujian Aplikasi Katalog Home 3D Terhadap User

Dalam pengujian ini peneliti mendapatkan 20 koresponden untuk mencoba aplikasi katalog home 3D dan memberikan 15 pertanyaan dalam bentuk kuesioner online.

Tabel 8 Hasil Kuesioner Penggunaan Aplikasi Katalog Home 3D

No Pertanyaan Jawaban Penilaian (Jumlah

Responden (%)) Total Responden

1

Apakah informasi yang disediakan pada aplikasi ini jelas?

a. Ya 20 (100%)

100%

b. Tidak -

2

Apakah tampilan yang ditampilkan pada aplikasi ini jelas?

a. Ya 20 (100%)

100%

b. Tidak -

3

Bagaimana dengan penempatan tombol pada aplikasi ini tepat?

a. Ya Tepat 20 (100%)

100%

b. Tidak Tepat -

4

Apakah kerapian dan kesesuain fitur aplikasi ini sudah baik?

a. Baik 20 (100%)

100%

b. Tidak Baik -

5

Bagaimana tingkat kemudahan dalam pengoperasian aplikasi ini?

a. Sangat Mudah 12 (60%)

100%

b. Cukup Mudah 8 (40%)

c. Sulit -

6 Apkah bentuk objek 3D pada aplikasi ini sudah jelas?

a. Ya 20 (100%)

100%

b. Tidak -

7

Bagaimana kinerja

pembacaan marker/gambar denah untuk menampilkan objek 3 Dimensi?

a. Sangat Baik 14 (70%)

100%

b. Cukup Baik 6 (30%) c. Tidak Baik -

8

Apakah marker denah rumah tulip (home 20) yang disediakan dapat

dibaca/dideteksi oleh kamera smartphone?

a. Ya Terbaca 17 (85%)

100%

b. Hanya beberapa

yang terbaca 2 (10%) c. Tidak Terbaca 1 (5%)

9

Apakah marker denah rumah Teratai (home 19) yang disediakan dapat

a. Ya Terbaca -

100%

b. Tidak Terbaca 20 (100%)

10

Apakah marker denah rumah Soka (home 18) yang disediakan dapat

a. Ya Terbaca -

100%

11

Apakah marker denah rumah Melati (home 17) yang disediakan dapat

100%

12

Apakah marker denah rumah Mawar (home 16) yang disediakan dapat

100%

13 a. Ya Terbaca 19 (95%) 100%

(21)

JISKa ISSN:2527–5836 (print) | 2528–0074 (online) ■ 20

Apakah marker denah home 1

s/d home 15 yang disediakan dapat dibaca/dideteksi oleh kamera smartphone?

14

Apakah aplikasi ini dapat membantu pengguna dalam menggambarkan rumah yang ditawarkan?

100%

b. Tidak Terbaca -

15

Apakah aplikasi ini sudah layak digunakan untuk media promosi penjualan rumah?

100%

b. Tidak Terbaca -

Berdasarkan table 8, dapat disimpulkan bahwa semua responden (20 responden) merasa jelas terhadap tampilan dan informasi yang disediakan pada aplikasi ini, dan merasa mudah digunakan dalam pengoprasiannya, serta responden juga merasa terbantu dengan adanya aplikasi ini dalam menggambarkan rumah yang ditawarkan. Sehingga 20 responden ini merasa aplikasi ini layak digunakan sebagai media promosi.

Pengaruh star rating (tabel 1 dan 2) terhadap kualitas sebuah marker sangat mempengaruhi tingkat kemunculan sebuah objek 3D. Hal ini dapat ter lihat jelas pada tabel 8. semua responden merasa marker ke 19 dan 20 tidak dapat terdeteksi, sehingga objek 3D tidak muncul. Hal ini di sebabkan kualitas marker buruk, karena hanya memiliki star rating 1 dan 0. Sedangkan pada marker ke 18 hanya 3 responden yang merasa marker ke 18 dapat terdeteksi, hal ini dikarenakan marker hanya memiliki kualitas star rating 2, sehingga objek 3D agak lama untuk di deteksi dan dimunculkan. Dan pada marker ke 1 sampai 20, sebagian besar responden (17 responden) merasa bahwa marker tersebut dapat dideteksi. Hal ini dikarenakan marker tersebut memiki kualitas yang baik dan memiliki star rating 5 sehingga proses munculnya objek 3D lebih cepat.

4. KESIMPULAN

1. Image target/marker denah rumahr ke 1 sampai 15 yang dapat dilihat dalam bentuk 3D, sehingga memudahkan pengguna dalam memvisualisasikan rumah yang akan di bangun, hal ini dapat dilihat pada table 8.

2. Star Rating pada Marker yang disediakan pada Aplikasi ini bermacam-macam mulai dari 0 sampai 5 (dapat dilihat pada tabel 2), hal ini dikarenakan ingin melihat seberapa besar pengaruh kualitas star rating terhadap tingkat kecepatan munculnya sebuah objek 3D (Hasil pengujian dapat diliah pada tabel 1,2 dan 8)

3. Algoritma yang dipakai dalam aplikasi Katalog Home 3D menggunakan FAST Corner Detection karena proses pelacakan titik minat sangat berperan dalam proses pendeteksian image target/marker sehingga sistem dapat berhasil mengenali dan menampilkan objek 3D dari image target denah rumah tersebut. Dan hal ini dapat diukur menggunakan Star Rating marker yang kita daftarkan kedalam vuforia SDK (dapat dilihat pada tabel 6). Semakin tinggi rating stars yang dimiliki oleh marker (5 Stars) semikin cepat kemuculan objek 3D dari marker tersebut. Sebaliknya, semakin rendah stars rating yang dimiliki oleh marker maka akan semakin lama objek 3D dimunculkan (hasil pengujian dapat dilihat pada tabel 1, 2 dan 8).

4. Intesitas cahaya, jarak penempatan marker dan spesifikasi pada platform yang digunakan akan mempengaruhi kemunculan sebuah objek 3D, hal ini dikaranekan:

• Pendeteksian marker ini dapat bekerja maksimal ketika jarak marker ke kamera AR antara 10 cm – 30 cm dan pada sudut 60

⁰

sampai 90

⁰

(Terdapat pada tabel 4)dengan intensitas cahaya 40 – 1000 lux (Terdapat pada tabel 3).

• Perbedaan Spesifikasi Platform yang akan digunakan pada aplikasi katalog Home 3D akan mempengaruhi kecepatan proses loading aplikasi. Karena semakin tinggi spesifikasi smarphone yang di gunakan maka semakin cepat loading aplikasi dalam merender objek 3D. Hasil Pengujian pada Spesififkasi Perangkat android ini dapat dilihat pada Tabel 6 dan 7.

DAFTAR PUSTAKA

Adnin, S.N., dkk. 2016. “Pembuatan Aplikasi Catalog 3D Desain Rumah Sebagai Sarana Promosi

Dengan menggunakan Unity 3D”. Jurnal Lontar Komputer Vol.7, No.1, April

(22)

Andi, S., Listyorini, T dan Latubessy, A. 2014. “Aplikasi Android Sebagai Media Alternatif Promosi Produk dan Training Di PT DJARUM Berbasis Augmented Reality”, Skripsi Teknik Informatika. Kudus

Akbar, R.R. 2015. “Implementasi Teknologi Augmented Reality Pada Majalah Interaktif Berbasis Android Menggunakan Metode Algoritma Featur Form Accelerated Segment Test (Fast) Corner Detection”. Jember: Universitas Jember.

Pratama, Ade Eka. 2015. “Penerapan Augmented Reality Video Play Back Untuk Katalog Meubel dan Pahatan Di “CV JEPARA ANTIQUE””. Prosiding SNATIF Ke-2. ISBN: 978-602-1180- 21-1, Kudus:Teknik Informatika Universitas Muria Kudus.

Putra, S.I.W. 2019. “Implementasi Teknologi Markerless Augmented Reality Menggunakan Metode Algoritma FAST Corner Detection Berbasis Android". Jurnal Komputer dan Aplikasi (Coding)”. Vol. 07, NO.01, Hal.1-10.

Ramdhan, Khemal Rizky, Nurhasanah, Y.I dan Utoro, R.K.2017. "Aplikasi Media Pembelajaran Tulang Manusia Menggunakan Augmented Rality (AR) Berbasis Android".Jurnal Teknik Informatika dan Sistem Informasi (JuTiSI), Vol.3 No.3. Hal. 448-460. Desember.e-ISSN : 2443-2229.

Rifa’i, M, Listyorini, T dan Latubessy, A. 2014, “Penerapan Teknologi Augmented Reality Pada Aplikasi Katalog Rumah Berbasis Android ”. Prosiding SNATIF Ke-1. ISBN: 978-602-1180- 04-4. Kudus:Teknik Informatika Universitas Muria Kudus.

Wahyu K.R. Julinas dan C.Dinda. 2016. “Analisis Pengaruh Menggunakan Marker Terhadap

Kemunculan Objek Pada Aplikasi Augmented Reality”,

http://ojs.amikom.ac.id/index.php/semnasteknomedia/article/view/1214. Diakses tanggal, 4 April 2018.

Wisnugroho, S., Prasetyo, A.D dan Kurniawan, R. 2015. "Aplikasi Android Pengenalan

Rangka Manusia Berbasis Augmented Reality". Seminar Nasional Informatika Medis

(SNIMed) VI, p. 77. Yogjakarta: Teknik Informatika Universitas Islam Indonesia.

(23)

JISKa, Vol. 4, No. 1, Mei, 2019, Pp. 22 – 37 ISSN : 2527 – 5836 (print) | 2528 – 0074 (online)

Perbandingan Validitas Fuzzy Clustering pada Fuzzy C-Means Dan Particle Swarms Optimazation (PSO) pada Pengelompokan

Kelas

Max Teja Ajie Cipta Widiyanto

Teknik Informatika Sekolah Tinggi Teknik PLN Jakarta

Menara PLN, Jl. Lkr. Luar Barat, Duri Kosambi, Cengkareng, Jakarta Barat, DKI Jakarta 11750 e-mail : [email protected]

Abstract

Clustering is a method that divides data objects into groups based on information found in data describing objects and relationships between them. In partition-based cluster analysts K-Means method and Fuzzy C-Means Method which is a frequent and commonly used method of clustering are still many weaknesses. In recent years, Particle Swarm Optimization (PSO) has been successfully applied to a number of real-world grouping issues with fast and effective convergence for high-dimensional data. Measurements made for clustering quality with fuzzy should be measured with the correct cluster validity and in accordance with their respective criteria. Comparative measurements that match the fuzzy clustering are partition coefficient (PC), classification entropy (CE), Partition Index (PI), Fukuyama Sugeno Index (FS), Xie Beni Index (XBI), Modified Partition Coefficient (MPC), Partition Coefficient and Exponential Sparation (PCAES) Index.

Keywords : Fuzzy C-Means, Particle Swarm Optimization (PSO), Fuzzy Cluster Validity

Abstrak

Clustering adalah metode yang membagi objek data ke dalam kelompok berdasarkan informasi yang ditemukan dalam data yang menggambarkan objek dan hubungan di antara mereka.

Dalam analis cluster berbasis partisi metode K-Means dan Metode Fuzzy C-Means yang merupakan metode clustering yang sering dan lazim banyak digunakan masih banyak kelemahan. Dalam beberapa tahun terakhir, Particle Swarm Optimization (PSO) telah berhasil diterapkan untuk sejumlah masalah pengelompokan dunia nyata dengan konvergensi cepat dan efektif untuk data dimensi tinggi. Pengukuran yang dilakukan untuk kualitas clustering dengan fuzzy haruslah diukur dengan validitas cluster yang tepat dan sesuai dengan kriterianya masing – masing. Pengukuran perbandingan yang sangat sesuai dengan fuzzy clustering yaitu partition coefficient (PC),classification entropy (CE),Partition Index (PI),Fukuyama Sugeno Index (FS), Xie Beni Index (XBI),Modified Partition Coefficient (MPC),Partition Coefficient and Exponential Sparation (PCAES) Index.

Kata Kunci : Fuzzy C-Means, Optimasi PSO, Validitas Fuzzy Cluster 1. PENDAHULUAN

Pada penelitian sebelumnya yang temui peneliti evaluasi validitas cluster masih memakai satu validitas seperti contohnya validitas Xie Beni Index (XBI) yang hanya mengukur keseluruhan kekompakan rata – rata pemisah data antar cluster yang hampir sama persamaanya pada validitas partisi tegas yaitu pada Davies-Bouldin Index (DBI) yang hanya membandingkan jarak kohesi dan separasi antar cluster, atau memakai 3 validitas segaligus contoh lain Partition Coefficient Index (PCI) yang hanya mengevaluasi nilai derajat keanggotaan, tampa memandang nilai vektor (data) yang biasanya mengandung informasi geometrik (sebaran data)[9]. PCI biasanya digabung dengan Partition Coefficient Index (PEI) yang mengevaluasi fuzzynes (keteracakan) data dalam cluster, yang keduanya memiliki kecenderungan monotonik terhadap perubahan jumlah cluster yang bisa diukur atau diketahui melalu validitas modifield Partition Coefficient Index (MPCI) yang merupakan pengembangan dari PCI.

Ada validitas lain yang belum di berikan ke pengelompokan kelas partition coefficient and

exponential separation (PCAES) yang perhitungannya lebih panjang dari validitas yang lain

karena dilihat dari dua sudut pandang yaitu sudut pandang normalized validation coefficient

digunakan untuk mengukur kepadatan dari cluster i dan yang kedua adalah sudut pandang

(24)

exponentioal partition untuk perhitungan terpisahnya satu cluster dengan cluster yang lain yang mengukur jarak antara cluster i dengan cluster terdekatnya. Yang berikutnya adalah Fukuyama Sugeno index yang menghitung selisih jarak rata – rata antara kohesi dengan separasi dengan mengukur nilai fungsi objektif masing – masing. Keenam nilai validitas cluster tersebut tentunya akan sangat penting dipakai semua dalam penilian ini dikarenakan semakin banyak kriteria yang dipakai untuk mengetahui kualitas cluster peneglompokan kelas, maka akan mengatahui kelas yang ideal.

2. DASAR TEORI 2.1. Logika Fuzzy

Logika fuzzy pertama kali ditujukan sebagai suatu metode untuk menangani ketidakpastian dari suatu data[4]. Ketidakpastian merupakan bentuk umum yang terjadi dalam kehidupan sehari- hari, dalam dunia nyata sering kali tidak akan pernah mendapatkan sesuatu yang ideal.

Persepsi kita terhadap kejadian di dunia nyata banyak diliputi dengan sesuatu yang tidak pasti misalnya penggunaan kata banyak, tinggi, muda dll [7]. Pengungkapan ekspresi dengan kata banyak akan mempunyai berbedaan persepsi antara satu orang dengan orang lain. Begitu pula penggunaan kata tinggi, orang Indonesia dengan tinggi 175 sudah dapat di katakan tinggi karena sudah di atas rata-rata akan tetapi orang amrerika yang mempunyai tinggi 175 akan terlihat biasa saja.

Himpunan fuzzy pertama kali di perkenalkan oleh Zadeh pada tahun 1965 sebagai suatu cara untuk menyatakan nilai kekaburan dengan menggunakan bahasa percakapan. Pernyataan yang mengadung ketidakpastian dengan menggunakan kata banyak, muda, tua, tinggi yang dikenal didalam dunia nyata seperti tersebut dalam paragraf di atas kita kenal dengan sesuatu yang kabur atau fuzzy. Karena kita tidak dapat mengatakan bahwa hal tersebut benar - benar salah atau memang benar adanya.

Fuzzy diperkenalkan sebagai konsep yang mengadopsi pola pikir manusia yang mempunyai sifat toleransi. Ide dasar fuzzy adalah untuk memperhalus kriteria yang diterapkan oleh himpunan tradisional atau juga dikenal dengan himpunan (tegas). Himpunan non-fuzzy akan mengelompokan berdasarkan kriteria yang dimiliki tiap-tiap kelompok secara tegas, sebagai contoh apabila X merupakan semesta pembicaraan dimana X adalah bilangan real dan x adalah subset dari X yang beranggotakan angka 1 sampai dengan 10. Apabila muncul angka 11, angka tersebut akan masuk dalam subset lain semisal y yang beranggotakan angka 11 sampai 20. Dengan kata lain teori himpunan non-fuzzy akan menyatakan keberadaan suatu element dengan dua kondisi yaitu termasuk dalam himpunan atau tidak termasuk dalam himpunan.

Fuzzy menggunakan konsep bahwa setiap elemen dalam semesta pembicaraan akan

mempunyai derajat keanggotaan untuk dapat masuk ke dalam suatu himpunan. Gambar 1 di

bawah ini akan menjelaskan perbedaan himpunan tegas dengan himpunan fuzzy.

(25)

JISKa ISSN:2527–5836 (print) | 2528–0074 (online) ■ 24

1a. Keanggotaan Himpuan Tegas 1b. Keanggotaan Himpuan Fuzzy Gambar 2.1 Grafik Keanggotaan Himpunan Tegas dan Fuzzy

Gambar 1a. menjelaskan bahwa elemen keanggotaan yang termasuk ke dalam himpunan yang digambarkan melalui graf gambar 1a adalah elemen yang mempunyai nilai < 5. dengan notasi matematika dituliskan. Himpunan tegas secara jelas menyatakan bahwa suatu elemen akan menjadi angota dari suatu himpunan atau tidak menjadi anggota suatu himpunan dengan ditandai dengan nilai 0 dan 1.

Gambar 1b. menjelaskan bahwa elemen keanggotaan yang termasuk ke dalam himpunan yang di gambarkan melalui grafik gambar 1b adalah elemen yang mempunyai nilai mendekati 5 dengan notasi matematika dituliskan.

. . . (1) Himpunan fuzzy menyatakan bahwa suatu elemen akan menjadi angota dari suatu himpunan berdasarkan kedekatan nilai terhadap batasan nilai himpunan yang disyaratkan. Kedekatan nilai tersebut kemudian di kenal sebagai derajat keanggoataan ditandai dengan nilai antar 0 sampai dengan 1.

2.2. Validitas Fuzzy Cluster

Kriteria untuk menentukan jumlah cluster yang optimal dapat menggunakan indeks validitas cluster[18]. Pustaka [16] menyarankan dua indeks validitas cluster untuk fuzzy clustering, yaitu partition coefficient (PC) dan classification entropy (CE). Partition Index (PI) untuk membandingkan hasil pengelompokkan di mana setiap kelompok memiliki banyak objek yang sama. Kelompok yang optimum diberikan oleh nilai PI yang minimum.Berbeda dengan partition index, separation index (SI) menggunakan minimum jarak antar pusat cluster. Kriteria yang diberikan adalah sama, yaitu banyaknya kelompok yang optimum diberikan oleh nilai SI yang minimum.