ILMU KOMPUTER
Volume XII Nomor 1, April 2019
Daftar Isi
Implementasi Algoritma RSA Pada Sistem Pendukung Keputusan Pengalokasian Dana Bantuan Langsung Masyarakat Dengan Metode Weighted Product (Studi Kasus Desa Beka Kecamatan Marawola Kabupaten Sigi) ... 1-16 Deny Wiria Nugraha, A.Y. Erwin Dodu, Abdul Rahim
Ransomware Attack using AES Encryption on ECB, CBC and CFB Mode ... 17-23 Feillyan Alfreda Antariksa, Is Mardianto
Penerapan Algoritma Kompresi Pada Sistem Pengaduan Layanan Masyarakat Online ... 24-28
I Gusti Agung Gede Arya Kadyanan
Model Data Warehouse untuk Operasional Petugas Pemadam Kebakaran pada Dinas Pemadam Kebakaran Provinsi DKI Jakarta ... 29-38 Kharis Munawar, Harco Leslie Hendric Spits Warnars
Pengembangan Sistem Rekomendasi Tempat Pembuatan Kerajinan Tradisional Bali ... 39-47
I Gusti Agung Gede Arya Kadyanan
Simulasi UAV Swarms untuk Optimalisasi Operasi Pencarian dan Penyelamatan Menggunakan Artificial Bee Colony ... 48-52 Ketut Bayu Yogha Bintoro, Silvester Dian Handy Permana
TEKNIK INFORMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS UDAYANA
Halaman ini sengaja dikosongkan
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Udayana
Pengarah
Drs. Ida Bagus Made Suaskara, M.Si
Penanggung Jawab Drs. I Made Satriya Wibawa, M.Si Anak Agung Bawa Putra, S.Si., M.Si
Drs. I Wayan Santiyasa, M.Si
Dr. I Ketut Gede Suhartana, S.Kom., M.Kom
Redaktur
I Gede Santi Astawa, ST., M.Cs
Penyunting/Editor Dr. A A Istri Ngurah Eka Karyawati, S.Si.,
M.Eng
Agus Muliantara, S.Kom., M.Kom I Made Widiartha, S.Si., M.Kom I Gusti Agung Gede Arya K., S.Kom., M.Kom I Dewa Made Bayu Atmaja D., S.Kom., M.Cs Luh Arida Ayu Rahning Putri, S.Kom., M.Cs Ida Bagus Made Mahendra, S.Kom., M.Kom Ida Bagus Gede Dwidasmara, S.Kom., M.Cs
I Gede Arta Wibawa, ST., M.Cs
I Putu Gede Hendra Suputra, S.Kom., M.Kom I Komang Ari Mogi, S.Kom., M.Kom
Made Agung Raharja, S.Si., M.Cs Dra. Luh Gede Astuti, M.Kom I Wayan Supriana, S.Si., M.Cs I Gusti Anom Cahyadi Putra, ST., M.Cs Gst Ayu Vida Mastrika Giri, S.Kom., M.Cs
Alamat Redaksi
Program Studi Teknik Informatika
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Udayana
Kampus Bukit Jimbaran – Badung Telpon. 0361 – 701805 Email : [email protected] Website : www.cs.unud.ac.id
ISSN: 1979-5661, e-ISSN: 2622-321X
Halaman ini sengaja dikosongkan
Penerapan Algoritma Kompresi Pada Sistem Pengaduan Layanan Masyarakat Online
I Gusti Agung Gede Arya Kadyanan
Program Studi Teknik Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana
Kampus Unud Bukit Jimbaran, Indonesia [email protected]
Abstract
Handling complaints is a reciprocal service for the public provided by the government. People who want to make a complaint can make it by dialing the phone number, web, emails and suggestion box provided by the government. Problems encountered in making this complaint include an error in entering/writing the targeted agency, the distance to the suggestion box is far and not real time. The author designed a mobile-based information system for handling public complaints using the android operating system. This public complaint handling application has a feature where the user can choose the agency in accordance with the complaint, the complaint can include pictures, location tags, can see the lates developments of complaint handling in the status of complaints, as well as chat feature that can be used to communicate directly with the Government and the Admin Agencies. Based on the result of test conducted, namely testing using black box method and stress testing, it can be concluded that this application has functioned properly.
Keywords: Image, Boxblur Algorithm, Information System, Compression
1. Introduction
Dalam kehidupan sehari-hari, banyak terjadi masalah terkait layanan fasilitas umum.
Masyarakat yang memiliki banyak keluhan dan mengharapkan segera adanya tindak lanjut dari pemerintah agar seluruh masyarakat mendapatkan kenyamanan yang layak. Oleh karena itu, pemerintah menyediakan sarana bagi masyarakat untuk dapat menyampaikan keluhannya yaitu dengan adanya layanan pengaduan.
Masyarakat yang ingin membuat pengaduan dapat melakukan pengaduan dengan menghubungi nomor telepon, web, email, dan kotak saran yang sudah disediakan pemerintah.
Pengaduan yang masuk akan diterima oleh Bagian Organisasi di pemerintahan kemudian akan diteruskan ke Instansi terkait. Masalah yang dihadapi dalam melakukan pengaduan ini adalah masih adanya kesalahan yang dilakukan dalam proses pengaduan seperti kesalahan dalam mencantumkan instansi yang dituju, jarak tempuh menuju kotak saran yang tersedia di masing- masing instansi jauh dari rumah masyarakat, pengaduan dengan kotak saran tidak bersifat real time yang mengakibatkan pengaduan yang disampaikan tidak langsung diproses, dan tidak disertakannya bukti berupa gambar tentang keluhan yang ingin ditindaklanjuti.
Diharapkan sistem ini akan bermanfaat sebagai sarana mempermudah dalam menyampaikan informasi, kritik dan saran secara cepat tanpa mengenal batasan jarak dan waktu, Pemerintah dapat dengan cepat menerima pengaduan yang disampaikan oleh masyarakat, mempermudah dalam proses pendataan dan penanganan pengaduan. Masyarakat tidak perlu lagi menempuh jarak yang cukup jauh untuk dapat membuat sebuah pengaduan dan masyarakat tidak perlu terburu-buru dan mencari waktu luang ditengah kesibukan dan kegiatannya masing-masing.
2. Reseach Methods / Software Development Life Cycle
Menurut Supriyanto (2005), metode pengembangan sistem informasi merupakan suatu metode yang digunakan untuk melakukan pengembangan sistem informasi berbasis komputer. Metode
Jurnal Ilmu Komputer VOL. XII No. 1 p-ISSN: 1979-5661 e-ISSN: 2622-321X
25
SDLC menggunakan pendekatan yang disebut pendekatan air terjun (waterfall approach), yang menggunakan beberapa tahapan dalam mengembangkan sistem. Tahap tersebut dinamakan waterfall karena pada setiap tahapan sistem akan dikerjakan secara berurut menurun dari satu ke tahap yang lain seperti dijelaskan pada gambar berikut.
Figure 1. Model proses pengembangan sistem 3. Result and Discussion
Berikut ini merupakan alur dari proses algoritma boxblur dimana dalam implementasiannya, algoritma ini melakukan proses kompresi citra dengan mengurangi ketajaman gambar yang telah diunggah. Untuk mendapatkan nilai dari hasil kompresi boxblur, pertama yang dilakukan adalah mengubah file citra menjadi array 2D yang berisikan nilai piksel. Berdasarkan rumus:
𝑆[𝑖, 𝑗] = ∑+𝑟𝑘=−𝑟𝐶[𝑖, 𝑗 + 𝑘] (1)
kemudian ambil matrix array (digunakan 3x3) untuk awal piksel dan hitung total warna. Untuk menghitung matrix array dilakukan dengan menggunakan rumus
𝑤𝑎𝑟𝑛𝑎 𝑓𝑖𝑛𝑎𝑙 = 𝑡𝑜𝑡𝑎𝑙 𝑤𝑎𝑟𝑛𝑎
𝑗𝑢𝑚𝑙𝑎ℎ 𝑝𝑖𝑘𝑠𝑒𝑙 (2) dan simpan warna hasil perhitungan pada posisi piksel saat ini. Pertama, hitung total warna = total warna – (warna piksel – 1), total warna = total warna + (warna piksel + 1), dan yang terakhir 𝑤𝑎𝑟𝑛𝑎 𝑓𝑖𝑛𝑎𝑙 =𝑡𝑜𝑡𝑎𝑙 𝑤𝑎𝑟𝑛𝑎
2 𝑥 1+1 kemudian simpan. Setelah dilakukan satu perhitungan, ulangi langkah-langkah perhitungan hingga semua matrix selesai dan simpan matrix array 2D menjadi file citra.
Pada halaman tulis pengaduan, terdapat tujuh kolom isian yaitu judul pengaduan yang berfungsi sebagai pemberian judul yang tepat dari pengaduan apa yang ingin diadukan, instansi terkait yang berfungsi sebagai kolom pilihan instansi mana yang cocok dipilih sesuai dengan jenis pengaduan apa yang User adukan, jenis pengaduan yang berfungsi memilih pengaduan jenis apa yang ingin diadukan oleh User berdasarkan pemilihan Instansi yang sudah dipilih sebelumnya, lokasi pengaduan yang berfungsi memberikan informasi lokasi dimana keluhan tersebut diadukan, isi pengaduan yang berfungsi memberikan tambahan informasi yang lebih rinci seputar pengaduan yang diadukan, gambar yang berfungsi memperjelas pengaduan apa yang nantinya akan ditindaklanjuti oleh Instansi berupa foto yang dapat langsung diunggah oleh User, peta yang berfungsi memberikan titik koordinat letak pengaduan dimana lokasi yang diadukan berada.
Figure 2.Tampilan antarmuka tulis pengaduan
Figure 3.Tampilan antarmuka detail pengaduan Black Box Testing
Pengujian dengan metode ini dilakukan hanya mengamati hasil eksekusi melalui data uji dan memeriksa fungsional dari sistem yang dibuat.
Table 1. Checklist kebutuhan black box testing Kode
Kebutuhan
Daftar Uji Pengguna Status
KF 1 Registrasi User Terpenuhi
KF 2 – A Login Sistem User Terpenuhi
KF 2 – B Login Sistem Admin Pemkab Badung
Terpenuhi KF 2 – C Login Sistem Admin Instansi Terpenuhi
KF 3 Edit Profil User Terpenuhi
KF 4 Tulis Pengaduan User Terpenuhi
KF 5 Informasi User Terpenuhi
Jurnal Ilmu Komputer VOL. XII No. 1 p-ISSN: 1979-5661 e-ISSN: 2622-321X
27 Stress Testing
Stress Testing pada penelitian ini dilakukan dengan menggunakan tools Webserver Stress Tool 8, laptop dengan spesifikasi CPU Intel® Core™ Core i7-4700HQ – 3.4GHz, RAM 4 GB DDR3 dengan OS Windows 7. Tipe testing yang dilakukan adalah Click Test Type, dengan ketentuan setiap pengguna melakukan click test sebanyak 20 klik dengan delay waktu tiap klik selama 3 detik. Pada penelitian ini, pengujian dilakukan dengan jumlah pengguna mulai dari 50, 100, 200, 300, 400, 500, 600, 700, 800, 900, 1000, 1100, 1200, 1300, 1400, dan 1500 pengguna. Pengujian ini dilakukan untuk memperoleh perbedaan rata-rata jumlah error dan jumlah pengguna dengan cara mendapatkan waktu tunggu klik yang terjadi ketika adanya kegagalan dalam request pada URL yang telah ditentukan. Error yang dimaksud dalam pengujian ini yaitu jumlah request yang gagal per periode waktu (random times), per click times, per user, per URL.
Hasil dari stress testing ini yaitu tingkat error terkecil sebesar 0% didapatkan jika sistem diakses kurang dari 700 User, ditemukan error saat diakses 800 User mencapai 6,48% dan tingkat error terbesar sebesar 25,63% pada saat sistem diakses oleh 1500 User. Rata rata Click Time atau rata-rata waktu klik yang dihasilkan per pengguna dengan menggunakan percobaan user dari 50 user sampai dengan 1500 User dengan waktu tunggu masih kurang dari 10 detik sehingga disimpulkan bahwa 1500 user belum mempengaruhi kinerja sistem.
Penurunan Kompresi
Dalam Tabel penurunan kompresi atau Saving Precentages (SS) dilakukan perhitungan untuk mengetahui persentase penurunan ukuran gambar dengan satuan ukuran kilobyte (kb) setelah dilakukan proses kompresi dari ukuran file asli menjadi file yang telah terkompresi.
Persentase penurunan ukuran file gambar tersebut dihitung dengan cara:
𝑆𝑆 = 𝑈𝑘𝑢𝑟𝑎𝑛 𝑓𝑖𝑙𝑒 𝑎𝑠𝑙𝑖 − 𝑈𝑘𝑢𝑟𝑎𝑛 𝑓𝑖𝑙𝑒 ℎ𝑎𝑠𝑖𝑙 𝑘𝑜𝑚𝑝𝑟𝑒𝑠𝑖
𝑈𝑘𝑢𝑟𝑎𝑛 𝑓𝑖𝑙𝑒 𝑎𝑠𝑙𝑖 𝑥100 (3) Dalam mencari persentase penurunan kompresi ini, dilakukan dengan mengambil 9 sample
gambar yang diunggah User pada saat dilakukan proses pengaduan dengan hasil yang telah didapatkan dan dapat dilihat pada tabel berikut :
Instansi
KF 6 Riwayat
Pengaduan
User Terpenuhi
KF 7 – A Create Data Admin Pemkab Badung
Terpenuhi KF 7 – B Read Data Admin Pemkab
Badung
Terpenuhi KF 7 – C Edit Data Admin Pemkab
Badung
Terpenuhi KF 7 – D Update Data Admin Pemkab
Badung
Terpenuhi KF 7 – E Delete Data Admin Pemkab
Badung
Terpenuhi
KF 8 Daftar
Pengaduan
Admin Instansi Terpenuhi KF 9 Konfirmasi
Pengaduan
Admin Instansi Terpenuhi KF 10 Ubah Password Admin Instansi Terpenuhi
Table 2. Checklist Kebutuhan Black Box Testing File Gambar Ukuran file asli
(kb)
Ukuran file hasil kompresi (kb)
Lama proses kompresi (s)
Gambar 1 3300 49.7 1
Gambar 2 5650 72.7 1
Gambar 3 5430 245 1
Gambar 4 5220 77.2 1
Gambar 5 4840 209 1
Gambar 6 2540 114 1
Gambar 7 2710 108 1
Gambar 8 3380 417 1
Gambar 9 2670 105 1
Rata-rata 95.79 4. Conclusion
Berdasarkan hasil penelitian ini, maka dapat diperoleh kesimpulan antara lain :
1. Masyarakat dapat memberikan pengaduan dengan memberikan informasi yang mendetail karena dalam menuliskan pengaduan masyarakat menyertakan keterangan singkat aduan pada kolom isi pengaduan, dapat mengunggah foto bukti yang akan diadukan, dan alamat lokasi pengaduan.
2. Implementasi algoritma Boxblur pada Sistem Informasi Pengaduan Masyarakat berbasis Mobile berhasil diimplementasikan. Dengan diimplementasikannya algoritma Boxblur pada sistem, dapat mengurangi beban server dengan meminimalkan ukuran gambar yang dikirim oleh client namun gambar masih dapat terlihat dengan sangat jelas.
References
[1] Anofrizen, “Sistem Informasi Pengaduan Masyarakat Program Keluarga Harapan Kota Pekanbaru (Studi Kasus: Dinas Sosial Dan Pemakaman Kota Pekanbaru),” Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi, Vol. 3, No. 1, Februari 2017
[2] Ellya Nurfarida, “Implementasi Web Service untuk Sistem Pengaduan Masyarakat di Lingkungan Pemerintah Kota Kediri,” Jurnal Informatika dan Multimedia, Vol. 06, No. 01, Tahun 2014
[3] I. H. WITTEN; et al. "Semantic and Generative Models for Lossy Text Compression" (PDF).
The Computer Journal. Retrieved 2007-10-13
[4] Sommerville, Ian. 2011. Software Engineering (Rekayasa Perangkat Lunak). Jakarta:
Erlangga.
Penerapan Algoritma Kompresi Pada Sistem Pengaduan
Layanan Masyarakat Online
by I Gusti Agung Gede Arya Kadyanan
Submission date: 05-May-2019 02:00PM (UTC+0700) Submission ID: 1124991310
File name: Pengaduan.pdf (763.62K) Word count: 1941
Character count: 11709
7 %
SIMILARIT Y INDEX
6 %
INT ERNET SOURCES
1 %
PUBLICAT IONS
3 %
ST UDENT PAPERS
1 1 %
2 1 %
3 1 %
4 1 %
5 1 %
6 1 %
7 1 %
Penerapan Algoritma Kompresi Pada Sistem Pengaduan Layanan Masyarakat Online
ORIGINALITY REPORT
PRIMARY SOURCES
eresearch.stikom-bali.ac.id
Int ernet Source
onesearch.id
Int ernet Source
www.arenalaptop.com
Int ernet Source
pastebin.com
Int ernet Source
issuu.com
Int ernet Source
eprints.radenfatah.ac.id
Int ernet Source
M. Manka. "Pathogenicity of Fusarium Isolates from Wheat, Rye and Triticale Towards
Seedlings and their Ability to Produce
Trichothecenes and Zearalenone", Journal of Phytopathology, 5/1985
Publicat ion
9 < 1 %
10 < 1 %
11 < 1 %
12 < 1 %
13 < 1 %
14 < 1 %
Exclude quotes Of f Exclude bibliography Of f
Exclude matches Of f
