Identifikasi Kekurangan Unsur Hara pada Unsur Hara pada tanaman Jagung dengan metode Jaringan Saraf Tiruan Learning Vector Quantization.

(1)

(2)

(3)

Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013

i

SUSUNAN DEWAN REDAKSI JELIKU

KETUA

AGUS MULIANTARA, S.KOM, M.KOM

PENYUNTING

DRA. LUH GEDE ASTUTI, M.KOM

NGURAH AGUS SANJAYA E.R., S.KOM, M.KOM IDA BAGUS MAHENDRA, S.KOM, M.KOM IDA BAGUS GEDE DWIDASMARA, S.KOM, M.CS

PELAKSANA

I KETUT GEDE SUHARTANA, S.KOM., M.KOM I GEDE SANTI ASTAWA, S.T., M.CS I MADE WIDIARTHA, S.SI., M.KOM

ALAMAT REDAKSI

JURUSAN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS UDAYANA

KAMPUS BUKIT JIMBARAN – BADUNG TELEPON : 0361 – 701805

(4)

ii

(5)

iii

DAFTAR ISI

SUSUNAN DEWAN REDAKSI JELIKU ... i DAFTAR ISI ... iii PERANCANGAN SISTEM INFORMASI MOBILE SALES FORCE AUTOMATION (SFA) PT. ASTRA INTERNASIONAL TBK. –HONDA

Ni Made Dwi Arnita, Agus Muliantara ... 1 PENGENALAN POLA BREAST CANCER MENGGUNAKAN ALGORITMA NGUYEN WIDROW BACKPROPAGATION

I Gst Ag Indra Arthana, Agus Muliantara ... 11 PENERAPAN QUEUE TREE PADA ROUTER MIKROTIK DALAM MANAJEMEN BANDWITH

I Putu Ery Handika dan I Komang Ari Mogi ... 16 PERANCANGAN SISTEM INFORMASI KEANEKARAGAMAN HAYATI DI PT. PERTAMINA DEPOT PENGISIAN PESAWAT UDARA (DPPU) NGURAH RAI

I Gusti Putu Deviara Putra, I.B Made Mahendra ... 25 IMPLEMENTASI SISTEM OPERASI ROUTER MIKROTIK SEBAGAI PROXY SERVER BERBASIS TRANSPARENT PROXY

I Putu Iyasa Pringgagada Pecut, I Made Widhi Wirawan ... 33 PURWARUPA APLIKASI MESIN PENCARI REFERENSI

I Putu Sutria Narada, Agus Muliantara, Ida Bagus Dwidasmara ... 42 IMPLEMENTASI BANDWIDTH MANAGEMENT PADA PENGALOKASIAN HOTSPOT DI FAKULTAS HUKUM UNIVERSITAS UDAYANA

I Made Yuda Prasetia, I Made Widhi Wirawan, I Dewa Made Bayu Atmaja Darmawan ... 51 PERANCANGAN SISTEM TRACER STUDY BERBASIS WEB PADA FAKULTAS PARIWISATA UNIVERSITAS UDAYANA

Luh Sukma Widiasari, Ngurah Widyatmaja ... 59 PERANCANGAN DAN IMPLEMENTASI APLIKASI KLASIFIKASI PENYAKIT DIABETES DENGAN METODE NAÏVE BAYES

Putu Gerhans Prawira Risnawan, Ngurah Agus Sanjaya ER, I Made Widiartha ... 68 IMPLEMENTASI SPLIT DNS DENGAN MENGGUNAKAN BIND9 DALAM MEMBANGUN SISTEM CONTENT DELIVERY NETWORK

I Made Yoga Sattwika Darma

, I Made Widhi Wirawan, I Dewa Made Bayu Atmaja Darmawan ... 73 PERANCANGAN SISTEM INFORMASI SALES ACTIVITY PT. ASTRA INTERNATIONAL TBK. - HONDA

(6)

iv

I Made Bayu Adi Utama, I Dewa Made Bayu Atmaja Darmawan ... 88 PENGENALAN WICARA KARAKTER INDONESIA MENGGUNAKAN HIDDEN MARKOV MODEL

I Wayan Adi Juliawan Pawana ... 96 IDENTIFIKASI KEKURANGAN UNSUR HARA PADA TANAMAN JAGUNG DENGAN METODE JARINGAN SARAF TIRUAN LEARNING VECTOR QUANTIZATION

Adinda Prisila Permatasari, Luh Gede Astuti, I Gede Santi Astawa... 101 ANALISA KINERJA ROUTING MENGGUNAKAN ROUTING INFORMATION PROTOCOL (rip) DAN OPEN SHORTEST PATH FIRST (OSPF)

(7)

1

PERANCANGAN SISTEM INFORMASI MOBILE SALES FORCE AUTOMATION (SFA) PT. ASTRA INTERNASIONAL TBK. –HONDA

Ni Made Dwi Arnita, Agus Muliantara

Program Studi Teknik Informatika, Jurusan Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana Email: dwiarnita@yahoo.com, muliantara@gmail.commailto:mahayasa3@gmail.com

Abstrak

Sales Force Automation (SFA) merupakan aplikasi berbasis web yang memfasilitasi komunikasi dan informasi dari setiap tenaga pemasaran. Dengan menggunakan SFA, tenaga pemasaran dapat mengakses informasi terkait melalui web browser. Masalah yang terjadi sekarang yaitu ketika tenaga pemasaran ingin mengakses SFA dengan smartphone (telepon pintar) dan belum adanya SFA versi mobile.

Karena masalah inilah diperlukan suatu terobosan yang dapat mempermudah para tenaga pemasaran untuk meningkatkan aktivitas penjualan. Maka dikembangkanlah sistem informasi Sales Force Automation (SFA) yang telah ada sehingga dapat diakses dalam versi mobile. Sistem informasi ini akan dirancang dengan menyertai beberapa fitur yang diperlukan dalam membangun sistem ini.

Hasil dari kebutuhan perangkat lunak yang telah dianalisis pada penelitian ini adalah data input menghasilkan sub proses validasi data input dan simpan data input. Lihat prospek menghasilkan sub proses lihat prospek pending, lihat prospek sale, lihat prospek cancel. Buat jadwal menghasilkan sub proses validasi tanggal dan simpan jadwal. Isi jadwal menghasilkan sub proses validasi data jadwal dan simpan isi jadwal. Lihat jadwal menghasilkan sub proses periksa tanggal dan tampil jadwal. Lapor kunjungan menghasilkan sub proses validasi lapor kunjungan dan simpan lapor kunjungan.

Kata kunci: Sales Force Automation, mobile, perancangan

ABSTRACT

Sales Force Automation (SFA) is a web-based application that facilitates the communication and information of any marketing effort. By using the SFA, marketing personnel can access related information through a web browser. The problem that is happened now is when the salesperson wants to access the SFA with a smartphone and there is no a mobile version of the SFA yet.

Because of this problem we need a breakthrough that could make it easier for marketers to increase sales activity. From the previous explanation, Sales Force Automation (SFA) is developed that can be accessed in a mobile version. This information system will be designed to accompany some of the features that is required in building this system.

The result of the need of the software that has been analyzed in this study is input data results input data validation sub proses and input data store. Lihat Prospek have three sub-process including lihat prospek pending, lihat prospek sale, lihat prospek cancel. Buat Jadwal have two sub-process including save the date and schedule. Isi Jadwal have two sub-process including schedule data validation process and store the contents of sub-process generates a schedule. Lihat Jadwal have two process including check the date and performing schedule. Lapor Kunjungan have two sub-process including validation report and visit store reports.

(8)

Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013 merupakan anak cabang dari perusahaan multinasional PT Astra International Tbk yang secara spesifik membidangi penjualan kendaraan roda dua. Untuk wilayah Bali, penjualan sepeda motor Honda dipegang oleh HSO (Honda Sales Office) Denpasar yang merupakan Maindealer seluruh dealer Astra Motor dan dealer-dealer Honda lainnya. HSO Denpasar juga melakukan distribusi ke seluruh dealer Honda di Bali. Seperti perusahaan otomotif pada umumnya, Astra Honda Motor khususnya HSO Denpasar memiliki tenaga pemasaran yang bertugas memasarkan produk-produk Honda. Sistem yang telah dimiliki sebelumnya yaitu SFA (Sales Force Automation).

SFA adalah aplikasi berbasis web yang memfasilitasi komunikasi dan informasi dari setiap tenaga pemasaran. Dengan menggunakan SFA, tenaga pemasaran dapat mengakses informasi terkait melalui web browser. SFA didedikaikan agar para tenaga pemasaran dapat meningkatkan efisiensi dan profesionalisme dalam melakukan aktivitas penjualan.

Masalah yang terjadi sekarang yaitu ketika tenaga pemasaran ingin mengakses SFA dengan smartphone (telepon pintar) yang dimiliki dan tidak adanya SFA dalam versi mobile. Karena masalah inilah diperlukan suatu terobosan yang dapat mempermudah para tenaga pemasaran untuk meningkatkan aktivitas penjualan. Maka timbulah ide untuk mengembangkan website sistem informasi Sales Force Automation (SFA) yang telah ada sehingga dapat diakses dalam versi mobile. Sistem informasi ini akan dirancang dengan menyertai beberapa fitur yang diperlukan dalam membangun sistem ini.

Tujuan dari perancangan sistem informasi ini antara lain yaitu merancang sebuah sistem informasi yang mudah digunakan bagi para tenaga pemasaran dalam mempermudah pekerjaannya.

Manfaat yang diperoleh yaitu dapat menciptakan suatu sistem yang mendukung kegiatan pemasaran dan meningkatkan penjualan produk.

2. Landasan Teori

2.1 UML (Unified Modelling Language)

Merupakan sebuah notasi yang telah menjadi standar dalam industri untuk visualisasi, merancang dan mendokumentasikan sistem piranti lunak. UML menawarkan sebuah standar untuk merancang model sebuah sistem. UML sendiri juga memberikan standar penulisan sebuah sistem blue print, yang meliputi konsep bisnis proses, penulisan kelas-kelas dalam bahasa program yang spesifik, skema database, dan komponen-komponen yang diperlukan dalam sistem software (Williams, 2004).

2.1.1 Usecase Diagram

Menggambarkan fungsionalitas yang diharapkan dari sebuah sistem. Yang ditekankan adalah “apa” yang diperbuat sistem, dan bukan

“bagaimana”. Sebuah usecase

merepresentasikan sebuah interaksi antara aktor dengan sistem. Usecase merupakan sebuah pekerjaan tertentu, misalnya login ke sistem, meng-create sebuah daftar belanja, dan sebagainya. Seorang/sebuah aktor adalah sebuah entitas manusia atau mesin yang berinteraksi dengan sistem untuk melakukan pekerjaan-pekerjaan tertentu (Bell, 2013).

2.1.2 Activity Diagram

Menggambarkan berbagai alir aktivitas dalam sistem yang sedang dirancang, bagaimana masing-masing alir berawal, decision yang mungkin terjadi, dan bagaimana mereka berakhir. Activity diagram juga dapat menggambarkan proses paralel yang mungkin terjadi pada beberapa eksekusi (Bell, 2013).

2.1.3 Class Diagram

Class adalah sebuah spesifikasi yang jika diinstansiasi akan menghasilkan sebuah objek dan merupakan inti dari pengembangan dan desain berorientasi objek. Class menggambarkan keadaan (atribut/properti) suatu sistem, sekaligus menawarkan layanan untuk memanipulasi keadaan tersebut (metoda/fungsi) (Bell, 2013). Class diagram menggambarkan struktur dan deskripsi class, package dan objek beserta hubungan satu sama lain seperti containment, pewarisan, asosiasi, dan lain-lain.

2.1.4 Sequence Diagram

(9)

3 mengindikasikan komunikasi diantara obyek-obyek tersebut (Bell, 2013). Diagram ini juga menunjukkan serangkaian pesan yang dipertukarkan oleh obyek-obyek yang melakukan suatu tugas atau aksi tertentu. Obyek-obyek tersebut kemudian diurutkan dari kiri ke kanan, aktor yang menginisiasi interaksi biasanya ditaruh di paling kiri dari diagram.

2.2 Model Proses Incremental

Model ini merupakan model pengembangan sistem pada software engineering requirement software yang dipecah menjadi beberapa fungsi. Model incremental menggabungkan elemen-elemen model sekuensial linier (diimplementasikan secara berulang) dengan filosofi prototype interatif. Model ini memakai urutan-urutan linier di dalam model yang membingungkan, seiring dengan laju waktu kalender. Setiap urutan linier menghasilkan pertambahan perangkat lunak yang kemudian dapat disampaikan kepada pengguna (Sommerville, 2011).

2.3 Static testing

Merupakan suatu metode pengujian yang dilakukan pada tahap perancangan software, tujuan utama dari static testing adalah mengurangi kesalahan dari pengembang terhadap software yang dibangun, tujuan yang kedua adalah melakukan pemeriksaan terhadap operasi dari software. Static testing akan menghasilkan dokumentasi dari hasil perbandingan antara kebutuhan awal aplikasi dari pengguna perangkat lunak dengan yang dihasilkan oleh pengembang perangkat lunak (Everett Gerald D and McLeod Raymond, 2007).

3. Metodologi Penelitian 3.1 Analisa Permasalahan

Seperti perusahaan otomotif pada umumnya, Astra Honda Motor khususnya HSO Denpasar memiliki tenaga pemasaran yang bertugas memasarkan produk-produk Honda. Sistem yang telah dimiliki sebelumnya yaitu SFA (Sales Force Automation). Masalah yang terjadi sekarang yaitu ketika tenaga pemasaran ingin mengakses SFA tetapi tidak tersedianya versi mobile. Karena masalah inilah diperlukan suatu terobosan baru yang dapat menjadi media

yang akan digunakan para tenaga pemasaran untuk melakukan aktivitas penjualan.

3.2 Gambaran Umum Sistem

SFA didedikasikan agar para tenaga pemasaran dapat meningkatkan efisiensi dan profesionalisme dalam melakukan aktivitas penjualan. Pada saat ini belum terdapat rancangan sistem informasi Sales Force Automation dalam versi mobile. Secara umum arsitektur sistem yang diusulkan dapat dilihat seperti ini:

Gambar 1. Arsitektur Sistem

Pada gambar 1 diatas, dilihat bahwa sistem yang akan dikembangkan merupakan sistem berorientasi object.

3.3 Pengumpulan Kebutuhan

Proses pengumpulan kebutuhan/ requirement dilakukan secara iteratif dan dinamis, karena tidak seluruh kebutuhan dapat dikemukakan di awal pengembangan sistem. Dari keseluruhan pengumpulan kebutuhan maka dihasilkan kebutuhan berikut:

3.3.1 Kebutuhan Fungsional

Tabel 1 Kebutuhan Fungsional

Actor  Kebutuhan/ Requirement

 Tenaga Pemasaran

 Dapat menginput prospek secara online

 Dapat melihat prospek yang ada

 Dapat membuat jadwal

 Dapat mengisi jadwal

 Dapat melihat jadwal

(10)

4

3.3.2 Analisa Kebutuhan dan Desain Sistem

 Usecase Diagram

Gambar 2. Usecase Diagram

Pada fungsi ini, terdapat 3 usecase utama yang dilakukan oleh tenaga pemasaran. Pada prospek, tenaga pemasaran dapat melakukan menginput data prospek, mensubmit prospek yang ada, melihat daftar prospek. Pada jadwal. Tenaga pemasaran dapat membuat jadwal, mengisi jadwal, melihat jadwal, dan pada kunjungan, tenaga pemasaran dapat melaporkan kunjungan yang telah dilakukan. Dan semua fungsi itu dapat dilakukan dengan sebelumnya user (tenaga pemasaran) melakukan autentifikasi terlebih dahulu.

 Activity Diagram

Gambar 3. Activity Diagram Autentifikasi User

Activity diagram pada gambar 3 menjelaskan tentang alur jika user mengakses sistem informasi Sales Force Automation. Sebelum masuk ke sistem, tenaga pemasaran harus menginputkan username dan password.

Gambar 4. Activity Diagram Data Input

Activity diagram pada gambar 4 menjelaskan tentang alur jika user ingin menginput prospek pada SFA versi mobile. Data yang diinputkan oleh user akan langsung masuk ke server.

Gambar 5. Activity Diagram Lihat Prospek

(11)

5 prospek, yaitu prospek pending, prospek sales, dan prospek cancel.

Gambar 6. Activity Diagram Buat Jadwal

Dalam activity diagram pada gambar 6, jadwal yang dibuat yaitu jadwal mingguan. Untuk membuat jadwal, user hanya perlu memasukkan tanggal awal atau tanggal akhir yang diinginkan.

Gambar 7. Activity Diagram Isi Jadwal

Activity diagram pada gambar 7 menjelaskan tentang alur pengisian jadwal oleh user. Jadwal akan bisa diisi jika user telah membuat jadwal sebelumnya.

Gambar 8. Activity Diagram Lihat Jadwal

Diagram activity pada gambar 8 menjelaskan tentang alur dari user jika ingin melihat jadwal yang telah dibuat dan diisi sebelumnya.

Gambar 9. Activity Diagram Lapor Kunjungan

(12)

6

 Class Diagram

Gambar 10. Class Diagram SFA

Gambar 10 merupakan class diagram dari sistem Sales Force Automation. Dari class diagram diatas, terdiri dari class model dan class controller. Class model digunakan untuk merepresentasikan entitas pada sistem dan class controller digunakan untuk merepresentasikan fungsi yang berjalan pada system

 Sequence Diagram

Gambar 11. Sequence Diagram Data Input

Gambar 11 menjelaskan alur sistem untuk mendaftarkan prospek baru. Prospek baru disini didaftarkan oleh tenaga pemasaran dengan cara menginputkan semua data yang diperlukan oleh system

Gambar 12. Sequence Diagram Lihat Prospek

Gambar 12 menjelaskan alur sistem untuk melihat prospek yang didaftarkan dan telah dikunjungi. Prospek yang telah dikunjungi dibagi menjadi 3 jenis yaitu sale, cancel, dan pending.

Gambar 13. Sequence Diagram Buat Jadwal

Gambar 13 menjelaskan alur sistem untuk membuat jadwal. Tenaga pemasaran bisa menginputkan tanggal awal/tanggal akhir dari periode mingguan yang diinginkan.

Gambar 14. Sequence Diagram Isi Jadwal

(13)

7 Gambar 15. Sequence Diagram Lihat Jadwal

Gambar 15 menjelaskan alur sistem untuk melihat jadwal. Untuk melihat jadwal yang telah dibuat dan diisi sebelumnya, tenaga pemasaranmenginputkan tanggal jadwal yang diinginkan. Hasil jadwal yang ditampilkan akan jadwal perhari.

Gambar 16. Sequence Diagram Lapor Kunjungan

Gambar 16 menjelaskan alur sistem untuk melaporkan hasil kunjungan yang telah dilakukan sebelumnya. Tenaga pemasaran diharuskan untuk mengisi data yang diperlukan dalam form lapor kunjungan.

3.3.3 Perancangan Antarmuka

Proses perancangan antarmuka dimulai dengan perancangan antarmuka halaman login

Gambar 17. Halaman Login User

Gambar 10 merupakan rancangan antarmuka untuk login user. Sebelum dapat menggunakan sistem, tenaga pemasaran harus melakukan authentifikasi user terlebih dahulu. Sistem ini dirancang khusus digunakan untuk tenaga pemasaran. Tenaga Pemasaran akan memasukkan username dan password sesuai dengan akun yang telah dimilikinya, jika ada kesalahan maka tenaga pemasaran diminta memasukkan kembali.

Gambar 18. Halaman Utama 1

(14)

8 Gambar 19. Menginput Prospek Baru

Gambar 13 merupakan langkah-langkah untuk menginputkan prospek baru. Jika ingin menginputkan prospek baru, tenaga pemasaran bisa memilih menu prospek dan dilanjutkan dengan memilih submenu data input, maka akan muncul form data input yang berfungsi untuk mendaftarkan prospek baru. Tenaga pemasaran memilih button input prospek. Selanjutnya tenaga pemasaran mengisi data dengan lengkap. Button submit prospek akan menyimpan ke server.

Gambar 20. Lihat Prospek

Gambar 14 menjelaskan tentang langkah-langkah bagaimana cara tenaga pemasaran melihat prospek yang ada. Jika ingin melihat prospek, setelah melakukan autentifikasi, tenaga pemasaran dapat memilih menu prospek. Selanjutnya pilih submenu Lihat Prospek. Setelah itu akan tampil form untuk melihat prospek. Ada 3 jenis prospek yang bisa dilihat yaitu pending, cancel, dan sale.

Gambar 21. Buat Jadwal

Pada gambar 15 merupakan langkah-langkah untuk membuat jadwal baru. Tenaga pemasaran harus melakukan autentifikasi terlebih dahulu. Setelah itu akan masuk ke menu utama, pilih menu jadwal. Dalam menu jadwal terdapat submenu buat jadwal. Setelah itu akan muncul form untuk membuat jadwal baru. Submenu buat jadwal dibuat dengan selang waktu 1 minggu. Ini merupakan ketentuan dari sistem terdahulu. Masukkan salah satu tanggal maka akan otomatis dilakukan perhitungan. Pilih submit untuk mensubmit jadwal ke server.

Gambar 22. Isi Jadwal

(15)

9 Gambar 23. Lihat Jadwal

Gambar 17 menjelaskan tentang bagaimana cara tenaga pemasaran melihat jadwal yang telah dibuat dan diisi sebelumnya. Pada form lihat jadwal, input yang dimasukan adalah tanggal jadwal yang diinginkan untuk di lihat. Hasil jadwal yang ditampilkan akan jadwal perhari.

Gambar 24. Lapor Kunjungan

Gambar 18 merupakan langkah-langkah bagaimana tenaga pemasaran melaporkan hasil kunjungan yang telah dilakukan. Dari menu utama, tenaga pemasaran harus memilih menu kunjungan, lalu pilih submenu lapor kunjungan. Setelah itu akan muncul form lapor kunjungan. Isi data yang diminta lalu pilih tombol OK.

4. Evaluasi Sistem

Evaluasi sistem informasi adalah suatu kegiatan terencana yang bertujuan untuk memeriksa dan menilai sumber daya dalam organisasi untuk mendapatkan hasil yang dibandingkan dengan menggunakan tolak ukur tertentu untuk memperoleh hasil mengenai kinerja sumber daya organisasi tersebut. Teknik evaluasi yang dilakukan adalah

memeriksa apakah perancangan perangkat lunak sesuai dengan pedoman kebutuhan perangkat lunak pada tahapan analisis kebutuhan perangkat lunak. Teknik pengujian yang digunakan adalah static testing. Dimana kebutuhan awal dari system ini dibandingkan kembali denga hasil perancangan yang telah dibangun. Hasil dari evaluasi dapat dilihat pada table dibawah ini:

Tabel 2 Evaluasi Sistem

Requirement Sub Proses Validasi

Data Input Validasi data input √ Simpan data input √

Lihat Prospek

Lihat prospek

pending √

Lihat prospek sale √ Lihat prospek cancel √

Buat Jadwal Validasi tanggal _{Simpan jadwal} √_√

Isi Jadwal Validasi data jadwal √ Simpan isi jadwal √

Lihat Jadwal Periksa tanggal _{Tampil jadwal} √_√

Lapor Kunjungan

Validasi lapor

kunjungan √

Simpan lapor kunjungan

√

5. Kesimpulan

Perancangan yang dihasilkan pada penelitian ini menggunakan perancangan berbasis object. Diantaranya usecase diagram, activity diagram, class diagram, dan sequence diagram. Selain perancangan system, pada penelitian ini juga menghasilkan perancangan antarmuka dengan berbasis mobile.

Hasil dari kebutuhan perangkat lunak yang telah dianalisis pada penelitian ini adalah sebagai berikut:

 Data input menghasilkan sub proses validasi data input dan simpan data input.

 Lihat prospek menghasilkan sub proses lihat proses pending, lihat prospek sale, lihat prospek cancel.

 Buat jadwal menghasilkan sub proses validasi tanggal dan simpan jadwal.

(16)

10

 Lihat jadwal menghasilkan sub proses periksa tanggal dan tampil jadwal.

 Lapor kunjungan menghasilkan sub proses validasi lapor kunjungan dan simpan lapor kunjungan.

Dari hasil evaluasi perancangan perangkat lunak pada tabel 2, perancangan yang dihasilkan sudah dapat mencakup seluruh kebutuhan dari pihak pengguna perangkat lunak.

6. Saran

Saran yang perlu dipertimbangkan dalam perancangan sistem Sales Force Automation yaitu tidak semua tenaga pemasaran menggunakan smartphone dengan operation system (OS) sama. Jadi jika perancangan ini diimplementasikan, diharapkan pembuatannya lebih mengarah ke aplikasi dari masing masing OS.

7. Daftar Pustaka

Bell, D. (2013). Rational Software 2013. IBM Global Services.

Sommerville, I. (2011). Software Engineering. United States: Pearson.

Williams, L. (2004). An Introduction to the Unified Modelling Language.

Everett Gerald D, McLeod Raymond. 2007. Software testing: testing across the entire

(17)

11

PENGENALAN POLA BREAST CANCER MENGGUNAKAN ALGORITMA NGUYEN WIDROW BACKPROPAGATION

I Gst Ag Indra Arthana1, Agus Muliantara2

Program Studi Teknik Informatika, Jurusan Ilmu Komputer,

Fakultas Matematika Dan Ilmu Pengetahuan Alam, Universitas Udayana

Email : indra.arthana@cs.unud.ac.id1, muliantara@cs.unud.ac.id2

ABSTRAK

Kanker payudara adalah penyakit penyebab kematian wanita kedua di dunia. Untuk mendeteksi kanker payudara butuh pengetahuan dokter. Disamping itu kadangkala tidak tepat sehingga pasien butuh second opinion. Salah satu cara untuk mendapatkan second opinion adalah dengan menanyakannya kepada dokter lain sehingga informasi bisa lebih jelas. Untuk mempersingkat proses penentuan kanker payudara, dapat dilakukan oleh system dengan menggunakan jaringan saraf tiruan. Salah satu cabang dari jaringan saraf tiruan adalah backpropagation.

Algoritma Bacpropagation mengadaptasi bagaimana otak manusia bekerja dengan memproses suatu masalah hingga mendapat hasil dengan mengupdate nilai dari masing – masing sinapsisnya. Backpropagation mampu mengenali pola dari dataset yang telah ada. Dataset ini akan dipelajari oleh Backpropagation sehinnga dapat memberikan keputusan untuk data baru yang akan diinputkan. Backpropagation dapat digunakan untuk mendeteksi penyakit contohnya kanker payudara. Dataset kanker payudara terdiri dari 9 atribut yang merupakan input ke Backpropagation.

Output dari backpropagation akan dibagi menjadi 2 kelas yaitu kelas benign, dan kelas malignant. Maksimum iterasi yang digunakan adalah 10000 dengan toleransi kesalahan 0.1. Setelah dilakukan proses pengenalan dan evaluasi didapatkanlah nilai akurasi 92%.

Kata Kunci: Jaringan saraf tiruan, backpropagation, Wisconsin breast cancer, eror, iterasi.

ABSTRACT

Breast cancer is the second leading causes of death of women in the world. To detect breast cancer, physicians need knowledge. Besides, sometimes the result is inaccurate so patients need a second opinion. One way is to get a second opinion is by checking with another doctor so the information can be more clear. To shorten the process of determining breast cancer, can be performed by the system by using artificial neural networks. One branch of artificial neural network is backpropagation.

Backpropagation algorithm adapts how the human brain works by processing a problem to get the result by updating the value of each neuron. Backpropagation is able to recognize the pattern of existing datasets. This dataset will be learned by the Backpropagation until it can provide the decision for new data to be entered. Backpropagation can be used to detect breast cancer. Breast cancer dataset consists of 9 attributes that are inputs to the Backpropagation.

The output of the backpropagation will be divided into two classes, namely classes benign and malignant classes. Maximum iterations used is 10000 with fault tolerance 0.1. After the learning and evaluation process value obtained 92% accuracy.

Keyword: Artificial neural network, backpropagation, Wisconsin breast cancer, error, iteration.

1 PENDAHULUAN Kanker payudara adalah jenis kanker

(18)

12 Hingga saat ini, salah satu cara pengobatan yang umum dilakukan adalah dengan pembedahan dan jika perlu dilanjutkan dengan kemoterapi maupun radiasi. Namun pengobatan tersebut tidak akan memberikan dampak yang signifikan jika kankernya sudah mencapai stadium akhir. Oleh karena itu apabila penyakit ini dapat dideteksi lebih awal, dampak buruk yang mungkin ditimbulkan oleh kanker payudara dapat dicegah.

Untuk deteksi awal kanker payudara dapat dibantu dengan menggunakan AI (Artificial Intelligence) agar dapat mendapatkan hasil yang cepat dan akurat. Salah satu cabang dari AI (Artificial Intelligence) adalah apa yang dikenal dengan Jaringan Saraf Tiruan (Artificial Neural Network). Jaringan saraf tiruan merupakan salah satu sistem pemrosesan informasi yang didesain dengan menirukan cara kerja otak manusia dalam menyelesaikan suatu masalah dengan melakukan proses belajar melalui perubahan bobot sinapsisnya. Jaringan saraf tiruan mampu melakukan pengenalan kegiatan berbasis data masa lalu. Data masa lalu akan dipelajari oleh jaringan saraf tiruan sehingga mempunyai kemampuan untuk memberikan keputusan terhadap data yang belum pernah dipelajari. Dalam analisis ini dicoba untuk dipelajari dan dicoba penerapannya didalam bidang kesehatan yaitu pada kanker payudara.

Usaha manusia dalam

mengembangkan suatu sistem yang meniru kemampuan dan perilaku makhluk hidup telah berlangsung selama beberapa decade belakangan ini. Jaringan saraf tiruan (JST), merupakan hasil perkembangan ilmu dan teknologi yang kini sedang berkembang pesat. JST yang berupa susunan sel-sel saraf tiruan (neuron) dibangun berdasarkan prinsip-prinsip organisasi otak manusia. Perhatian yang besar pada JST disebabkan adanya keunggulan yang dimilikinya seperti kemampuan untuk belajar, komputasi paralel, kemampuan untuk memodelkan fungsi nonlinier dan sifat fault tolerance.

Bobot awal akan mempengaruhi apakah jaringan mencapai titik minimum lokal (local minimum) atau global dan seberapa cepat konvergensinya. Bobot yang menghasilkan nilai turunan aktivasi yang kecil sedapat mungkin dihindari karena akan

menyebabkan perubahan bobotnya menjadi sangat kecil. Demikian pula nilai bobot awal tidak boleh terlalu besar karena nilai turunan fungsi aktivasinya menjadi sangat kecil juga. Oleh karena itu dalam “Standar backpropagation”, bobot dan bias diisi dengan bilangan acak kecil.

Nguyen dan Widrow (1990) mengusulkan cara membuat inisialisasi bobot dan bias ke unit tersembunyi sehingga meghasilkan iterasi lebih cepat (Zamani dkk., 2012). Oleh karana itu, pada penelitian ini dilakukan optimasi pencarian bobot random pada jaringan syaraf tiruan backpropagation dengan metode nguyen widrow untuk melakukan klasifikasi data dengan meminimalkan waktu iterasi.

Pada penelitian ini penulis akan mengimplementasikan nguyen widrow bacpropagation.

2 METODOLOGI

Metode dalam penelitian ini adalah algoritma backpropagation yang telah di enhance dengan algoritma nguyen widrow. Dan dataset yang digunakan adalah dataset kanker payudara.

2.1 Datasets

Pada penelitian ini dataset yang digunakan adalah dataset Wisconsin Breast Cancer. Dataset ini berasal dari University of Wisconsin Hospitals, Madison dari Dr. William H. Wolberg [1]. Dataset ini berisi 699 data yang terdiri dari 458 kanker jinak dan 241 kanker ganas. Atribut dari masing – masing data ada 9 yaitu Clump Thickness, Uniformity of Cell Size, Uniformity of Cell Shape, Marginal Adhesion, Single Epithelial Cell Size, Bare Nuclei, Bland Chromatin, Normal Nucleoli, Mitoses.

2.2 Backpropagation

(19)

13 untuk mrngubah nilai bobot-bobotnya dalam arah mundur (backward). Untuk mendapatkan error ini, tahap perambatan maju (forward propagation) harus dikerjakan terlebih dahulu. Pada saat perambatan maju, neuron-neuron diaktifkan dengan menggunakan fungsi aktivasi sigmoid (Kusumadewi, 2003).

f (x)

Dimana :

e : bilangan exponensial x : inputan ke sinapsis

Arsitektur jaringan backpropagation seperti dilihat pada gambar 1.

Gambar 1. arsitektur jaringan backpropagation [3]

Selama perambatan maju, sinyal masukan (x1) diperambatankan ke layer tersembunyi menggunakan fungsi aktivasi yang ditentukan. Keluaran dari unit tersembuyi (Zj) tersebut selanjutnya diperambatan maju lagi ke layer tersembunyi berikutnya dengan fungsi aktivasi yang telah ditentukan. Dan seterusnya hingga menghasilkan keluaran jaringan (yk).

Berikutnya, keluaran jaringan (yk) dibandingkan dengan target yang harus dicapai (tk). Selisih tk – yk adalah kesalahan yang terjadi. Jika kesalahan ini lebih kecil dari batas toleransi yang ditentukan, maka iterasi dihentikan. Jika kesalahan masih lebih besar dari batas toleransi, maka bobot setiap garis dari jaringan akan dimodifikasi untuk mengurangi kesalahan

Berdasarkan kesalahan tk – yk dihitung faktor δk yang dipakai untuk mendistribusikan

kesalahan di unit yk ke semua unit tersembunyi yang terhubung langsung dengan yk. δk juga dipakai untuk mengubah bobot garis yang berhubungan langsung dengan unit keluaran.

Dengan cara yang sama, dihitung faktor δk di setiap layer tersembunyi sebagai dasar perubahan bobot semua garis yang berasal dari unit tersembunyi di layer di bawahnya. Dan seterusnya hingga semua faktor δ di unit tersembunyi yang terhubung langsung dengan unit masukan dihitung.

Setelah semua faktor δ dihitung, bobot semua garis dimodifikasi bersamaan. Perubahan bobot suatu garis didasarkan atas faktor δ neuron di layer atasnya.

Ketiga fase tersebut diulang-ulang hingga kondisi penghentian dipenuhi. Umumnya kondisi penghentian yang sering dipakai adalah jumlah interasi atau kesalahan. Iterasi akan dihentikan jika jumlah iterasi yang dilakukan sudah melebihi jumlah maksimum iterasi yang ditetapkan, atau jika kesalahan yang terjadi sudah lebih kecil dari batas toleransi yang ditetapkan.

Algoritma backpropagation (Kusumadewi, 2003):

a. Inisialisasi bobot dilakukan dengan cara mengambil bobot awal dengan nilai random yang cukup kecil.

b. Langkah-langkah berikut dikerjakan selama kondisi berhenti bernilai FALSE 1. Untuk tiap-tiap pasangan elemen yang

akan dilakukan pembelajaran, maka dilakukan langkah-langkah berikut: Feed forward:

a. Tiap-tiap unit input (xi, i=1,2,3,….,n) menerima sinyal xi

dan meneruskan sinyal tersebut ke semua unit pada lapisan yang ada di atasnya (lapisan tersembunyi). b. Tiap-tiap unit tersembunyi (zj,

j=1,2,3,….p) menjumlahkan sinyal-sinyal input terbobot: z_inj = v0j + ∑ xivij………(1)

(20)

14 c. Tiap-tiap unit output (yk,

k=1,2,3,….,m) menjumlahkan sinyal-sinyal input terbobot. y_ink = w0k + ∑ ziwjk………….(3)

Gunakan fungsi aktivasi untuk menghitung sinyal outputnya: pola yang berhubungan dengan pola input pembelajaran, hitung informasi erornya:

δk = (tk-yk)

f’(y_ink)………(5) Kemudian hitung koreksi bobot (yang nantinya akan digunakan untuk memperbaiki nilai wjk).

∆wjk =

αδkzj………(6) Hitung juga koreksi bias (yang nantinya akan digunakan untuk memperbaiki nilai W0k)

∆W0k=αδk……… ……(7)

Kirimkan δk ini ke unit yang ada

dilapisan bawahnya.

e. Tiap-tiap unit tersembunyi (zj, j=1,2,3,…..p) menjumlahkan delta inputnya (dari unit-unit yang berada pada lapisan di atasnya. Kalikan nilai ini dengan turunan dari funssi aktivasinya untuk menghitung informasi error

δj= δ_ inj

f(z_inj)………(8) Kemudian hitung koreksi bobot (yang nantinya akan digunakan untuk memperbaiki nilai v) ∆vjk=αδjxi……… …..(9)

Hitung juga koreksi bias (yang nantinya akan digunakan untuk memperbaiki nilai v)

Tiap-tiap unit tersembunyi (zj, j=1,2,3,…..p) memperbaiki bias dan bobotnya (i=0,1,2,…,n) vij (baru)= vij (lama) + ∆vij………..(12)

2. Tes kondisi berhenti. Apakah maksimum iterasi atau minimum eror terpenuhi.

2.3 Nguyen Widrow

Nguyen dan Widrow (1990) mengusulkan cara membuat inisialisasi bobot dan bias ke unit tersembunyi sehingga meghasilkan iterasi lebih cepat. Misalkan, n = jumlah unit masukan, p = jumlah unit tersembunyi, dan β = faktor skala = 0,7√ . Algoritma inisialisasi Nguyen-Widrow adalah sbb:

1. Inisialisasi semua bobot (v

ij (lama)) dengan

bilangan acak dalam interval [-0,5: 0,5]

2. Hitung _‖_‖

√ ………..(13) 3. Bobot yang dipakai sebagai inisialisasi

‖ ‖ ……….(14)

4. Bias yang dipakai sebagai inisialiasasi v

0j =

bilangan acak antara –β dan β

2.4 Flowchart Backpropagation

(21)

15 Gambar 2. Flowchart Training

Pada proses training data diinputkan ke dalam sistem. Setelah data diinputkan sistem akan menginisialisasi bobot awal dari setiap inputan dan bias dengan menggunakan algoritma nguyen widrow. Hitung nilai pada setiap layer dan gunakan fungsi aktivasi sigmoid untuk menentukan outputnya. Selanjutnya hitung eror pada outputnya. Bila eror sudah dibawah toleransi eror atau epoh sudah mencapai maksimum epoh maka simpan bobot dan tampilkan hasilnya. Bila belum memenuhi kriteria maka lakukan proses update bobot dan ulangi proses hitung nilai pada setiap layer.

Pada proses testing bobot yang digunakan adalah bobot hasil dari proses training yang telah disimpan sebelumnya. Proses pada testing hampir sama dengan proses training hanya saja tidak terjadi proses update bobot.

3 SKENARIO UJI COBA

Pada penelitian ini pengujian dilakukan dengan membandingkan antara hasil yang diperoleh dengan algoritma backpropagation dengan hasil yang ada di dataset yang diujikan. Setelah dilakukan pengujian, hasilnya akan dievaluasi dengan akurasi dan waktu komputasinya. Akurasi dapat dihitung dengan jumlah data yang benar

dibagi dengan total data yang diujikan. Sedangkan waktu komputasi dihitung berapa lama algoritma bacpropagation dapat menghitung hasilnya.

Gambar 3. Flowchart Testing

4 HASIL PENGUJIAN

Pada penelitian ini menggunakan dataset wisconsin breast cancer dengan jumlah maksimun iterasi 10000, jumlah hiden layer 7, nilai belajar 0.7, dan nilai kesalahan 0.1. Pada tabel 1, saat proses pembelajaran dataset diatur secara acak antara kelas malignant dan benign sehingga hasil dari pembelajaran dapat dengan optimal dilakukan oleh algoritma backpropagation.

Dari tabel 3 dapat dilihat bahwa akurasi dari backpropagation dengan penentuan bobot awal dengan nguyen widrow lebih baik daripada algoritma backpropagation tanpa nguyen widrow yaitu 92%.

Tabel 3. Perbandingan antara Backpropagation dan Nguyen Widrow Backprogation No

. Metode Benar Salah Akurasi (%) 1 Backpropagatio

n 79 21 79

(22)

16 Widrow

Backpropagatio n

5 KESIMPULAN

Melalui penelitian ini, dapat diketahui dengan penambahan metode nguyen widrow pada inisialisasi bobot awal dapat mempercepat proses pembelajaran. Sehingga hasil klasifikasi menggunakan algoritma Baclpropagation menjadi lebih meningkat. Akan tetapi tingkat akurasi dari backpropagation masih mungkin dapat ditingkatkan. Untuk penelitian selanjutnya disarankan untuk mengembangkan penentuan bobot awal dan jumlah hidden layer agar bisa menghasilkan akurasi yang lebih baik.

DAFTAR PUSTAKA

[1] Ming, S. Hung, Shanker, Murali, Y. Hu, Michael. Estimating Breast Cancer Risks Using Neural Networks. Journal of Operation Research society:2001, 52, hal: 1-10.

[2] Antara, I P. R., Sumarminingsih, E., dan Handoyo, S. 2010. Model Jaringan Syaraf Tiruan Backpropagation dengan Input Berdasarkan Model Regresi Terbaik. Malang: Universitas Brawijaya.

[3] Dhaneswara, G. dan Moertini, V. S. 2004. Jaringan Saraf Tiruan Propagasi Balik untuk Klasifikasi Data. Integral, FMIPA Unpar, (9):3, hal. 1-11.

[4] Kiki, S. K. 2004. Analisis Jaringan Saraf Tiruan dengan Metode Backpropagation untuk Mendeteksi Gangguan Psikologi. Yogyakarta: Universitas Islam Indonesia. [5] Kumar, P. R., Murty, M. V. R., et al.

2008. Time Series Modeling Using Artificial Neural Networks. Journal of Theoretical and Applied Information Technology, 4 (12), hal. 259-264.

[6] Kusumadewi, 2003. Artificial Intelligence (Teknik dan Aplikasinya). Yogyakarta: Graha Ilmu

[7] Mait, H. M. N. 2009. Jaringan Syaraf Tiruan. Depok: Universitas Gunadarma. [8] Subekti, R. M. 2010. Perbaikan Metode

Backpropagation untuk Pelatihan Jaringan Syaraf Tiruan Multilayer. Tangerang: P2TRR-Batan. Hal. 1-8.

[9] Zaman, A. M., Amaliah, B. dan Munif, A. 2012. Implementasi Algoritma Genetika pada Struktur Backpropagation Neural Network untuk Klasifikasi Kanker Payudara. Jurnal Teknik ITS (1): 2012, hal: 222-227.

PENERAPAN QUEUE TREE PADA ROUTER MIKROTIK DALAM MANAJEMEN BANDWITH

I Putu Ery Handika, I Komang Ari Mogi

(23)

17

Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana Email: ery.handika@cs.unud.ac.id

ABSTRAK

Dalam mengelola suatu jaringan internet, sangat penting untuk mengatur pemakaian bandwidth yang akan digunakan oleh client. Jika tidak dilakukan pengelolaan, maka akan terjadi pemakaian bandwidth yang tidak teratur atau pemakaian bandwidth yang berlebihan oleh satu atau beberapa user. Pemakaian bandwidth yang berlebihan tersebut akan menyebabkan jaringan yang dikelola tidak dapat memberikan layanan yang maksimal kepada seluruh client.

Router mikrotik memiliki fitur Queue yang dapat digunakan untuk mengatur alokasi bandwidth yang dialokasikan kepada setiap client. Queue tree akan digunakan dalam bandwidth management yang bertujuan meningkatkan kualitas layanan jaringan (Quality of Service) dengan mengoptimalkan bandwidth yang tersedia.

Dari penelitian yang telah dilakukan, bandwidth minimum yang didapat client dapat dihitung dengan cara membagi bandwidth keseluruhan dengan jumlah client. Hasil yang didapat dari pengujian dengan alokasi bandwidth sebesar 2048 Kbps menggunakan satu client, rata-rata bandwidth yang didapatkan 2024 Kbps; menggunakan dua client 1004,5 Kbps; menggunakan tiga client 660 Kbps; dan empat client 519,25 Kbps. Dengan penerapan Queue Tree pembagian bandwidth menjadi teratur dan jika client lainnya tidak menggunakan bandwidth maka akan dialokasikan ke client lain yang membutuhkan sehingga dapat mengoptimalkan bandwidth yang tersedia.

Kata Kunci : Internet, Management Bandwidth, Router Mikrotik, Queue, Queue Tree.

ABSTRACT

It is important to set the bandwidth to be used by the client in managing an Internet network. There will be a bandwidth usage irregular or excessive bandwidth usage by one or more users if there is no bandwidth management. Excessive bandwidth usage will lead to a managed network that can not provide maximum service to all client.

Router Queue in Mikrotik features can be used to manage the allocation of bandwidth distribution for each client. Queue Tree will be used in the bandwidth management which aims to improve the quality of network services (Quality of Service) to optimize the available bandwidth.

From the research that has been done, the client obtained the minimum bandwidth can be calculated by dividing the total by the number of client bandwidth. The results obtained from testing with 2048 Kbps bandwidth allocation using a single client is average bandwidth of 2024 Kbps; using two clients is average bandwidth 1004.5 Kbps; using three client is 660 Kbps, and four client is 519.25 Kbps. With the implementation of Queue Tree of bandwidth distribution becomes more regular; if the client is not active, then the bandwidth will be allocated to another client who need it, to optimize the available bandwidth .

Keywords: Internet, Management Bandwidth, Router Mikrotik, Queue, Queue Tree.

PENDAHULUAN

Pesatnya perkembangan teknologi terutama dalam jaringan internet menyebabkan kebutuhan akan informasi meningkat pula. Dengan adanya jaringan internet setiap orang dapat bertukar informasi

baik berupa artikel, file, audio, video, gambar dan lain sebagainya. Untuk dapat bertukar informasi dibutuhkan sarana yang mendukung akan hal tersebut yaitu koneksi internet yang cepat dan stabil.

(24)

18 dilewatkan dalam koneksi melalui sebuah network [1]. Bandwidth sangat berdampak pada kinerja jaringan dimana besarnya bandwidth akan berdampak pada kecepatan transmisi.

Permasalahan yang sering muncul saat ini adalah proses dalam pengiriman data yang lambat bahkan tidak sampai di tujuan padahal bandwidth yang dimiliki sudah cukup dalam melakukan pertukaran informasi. Hal tersebut diakibatkan tidak adanya manajemen penggunaan bandwidth yang tepat dan teratur. Dalam manajemen bandwidth pada router mikrotik dapat menggunakan simple queue dan queue tree. Simple Queue merupakan teknik antrian menggunakan metode FIFO (First Input First Output) dimana paket data yang pertama datang akan diproses terlebih dahulu dan dimasukkan ke dalam antrian, selanjutnya dikeluarkan sesuai dengan urutan kedatangannya [4]. Sedangkan Queue tree merupakan teknik antrian menggunakan metode HTB (Hierarchical Token Bucket) dimana metode ini melakukan manajemen bandwidth dengan membatasi akses menuju alamat IP tertentu tanpa mengganggu trafik bandwidth pengguna lain [6]. Simple queue dan queue tree dapat mengontrol nilai throughput sesuai keinginan administrator dan memiliki nilai dari packet loss 0-3% tetapi simple queue memiliki delay lebih besar dari queue tree [7].

Berdasarkan permasalahan diatas maka solusi yang tepat adalah penerapan queue tree pada router mikrotik. Dengan fasilitas queue tree pada router mikrotik akan menjadikan jaringan lebih handal dengan penggunaan bandwidth yang teratur sehingga akan berdampak pada kecepatan akses.

TINJAUAN PUSTAKA

Jaringan Komputer

Jaringan komputer merupakan kumpulan beberapa komputer dan perangkat lainnya dalam satu kesatuan [2]. Jaringan tersebut dapat terhubung dengan media transmisi kabel atau tanpa kabel. Terdapat beberapa jenis jaringan komputer, antara lain : 1. Local Area Network (LAN)

Local Area Network (LAN), merupakan jaringan yang ruang lingkupnya relative

kecil. LAN digunakan untuk menghubungkan komputer-komputer pribadi dan workstation dalam satu gedung untuk saling bertukar informasi. 2. Metropolitan Area Network (MAN)

Metropolitan Area Network (MAN) merupakan jaringan yang mirip dengan LAN hanya saja ruang lingkupnya lebih luas. MAN digunakan untuk menghubungkan LAN-LAN yang lokasinya berjauhan. Wide Area Network (WAN)

3. Wide Area Network (WAN) merupakan jaringan yang ruang lingkupnya luas, misalnya menghubungkan sebuah negara. WAN terdiri dari LAN, MAN, dan kumpulan mesin untuk menjalankan program-program aplikasi pemakai. 4. Internet

Internet merupakan jaringan komputer global yang menghubungkan dua komputer atau lebih untuk saling bertukar file, email dan pesan-pesan real-time. Internet juga dapat dikatakan sebagai kumpulan beberapa jaringan komputer yang berbeda-beda di seluruh dunia untuk dapat berkomunikasi satu sma lain dengan menggunakan TCP/IP.

Bandwidth

Bandwidth adalah besaran yang menunjukkan seberapa banyak data yang dapat dilewatkan dalam koneksi melalui sebuah network [1]. Bandwidth juga merupakan banyaknya bits maksimum yang dapat dikirim atau diterima dari komputer satu ke komputer lainnya dalam satuan waktu. Badwitdth dinyatakan dalam satuan bit per second (bps).

ManagementBandwidth

Management bandwidth merupakan suatu cara yang dapat mengoptimalkan penggunaan dari suatu bandwidth dalam suatu jaringan. Management bandwidth mengoptimalkan layanan Quality Of Service (QoS) dalam menentukan tipe lalu lintas dari jaringan [4].

Hierarchical Token Bucket (HTB)

(25)

19 mengganggu trafik bandwidth pengguna lain [6]. HTB mempunyai parameter-parameter penyusun antrian yaitu :

a. Rate, berfungsi dalam menentukan bandwidth maksimum yang dapat digunakan oleh setiap class, apabila bandwidth melebihi nilai dari “rate” maka paket data akan dipotong.

b. Ceil, diatur untuk menentukan peminjaman bandwidth antar class yang dilakukan dari kelas paling bawah ke kelas di atasnya. Teknik ini disebut dengan link sharing.

Blok Diagram Manajemen Bandwidth Manajemen bandwidth diperlukan bagi jaringan multi layanan dengan mengoptimalkan layanan Quality Of Service (QoS) [9]. Proses aliran system manajemen bandwidth dapat dilihat pada Gambar 1 dibawah ini.

Gambar 1. Blok Diagram Proses Manajemen Bandwidth

Dari Gambar 1 diatas, proses aliran sistem manajemen bandwidth terdiri dari filtering, classifier, buffer, scheduler.

1. Filtering digunakan dalam memfilter paket data berdasarkan alamat IP atau port. Filtering juga mengarahkan paket data ke tujuaannya.

2. Classifier berfungsi mengarahkan paket data yang datang ke kelas-kelas yang bersesuaian. Tujuannya adalah mempermudah paket data menuju antrian. Pada classifier terdapat estimator yang berfungsi mengestimasi bandwidth yang digunakan oleh klasifikasi kelas.

3. Buffer merupakan tempat penyimpanan paket sementara dimana buffer menyesuaikan waktu dengan menggunakan teknik antrian.

4. Scheduler berfungsi dalam penjadwalan paket data dari antrian atau buffer yang akan dikirim ke tujuannya.

Mekanisme Packet Dropping

Untuk mencegah atau merespons kodisi antrian yang overload dapat dilakukan

dengan melakukan drop packet. Mekanisme yang dapat digunakan yaitu Drop Tail Router. Mekanisme ini akan membuang paket yang datang jika antrian pada buffer penuh [10].

Gambar 2.Mekanisme Drop Tail Router

Teknik Antrian Queue Tree

Queue Tree merupakan teknik antrian dalam melakukan manajemen bandwidth yang terdapat pada router mikrotikOS [8]. Mekanisme teknik antrian queue tree dapat dilahat pada Gambar 1.

Gambar 3. Mekanisme Queue Tree

Dari Gambar 2, teknik antrian queue tree adalah sebagai berikut:

1. Mark Packet, berfungsi menandai paket data yang akan diproses ke antrian. 2. Firewall, berfungsi menyeleksi paket

sesuai dengan klasifikasi kelasnya. 3. Mangle berfungsi melakukan pembatasan

bandwidth.

Router

Router merupakan perangkat keras dalam jaringan komputer yang berfungsi untuk meneruskan data dari satu jaringan ke jaringan lainnya. Router mengirimkan paket data ke tujuananya melalui sebuah jaringan dengan melakukan routing.

Mikrotik

(26)

20 Winbox

Winbox merupakan perangkat lunak dengan mode GUI (Graphical User Interface) yang user friendly dalam mengkonfigurasi Mikrotik RouterOS [5].

PERANCANGAN DAN KONFIGURASI SISTEM

Analisis Kebutuhan Sistem

Pada penelitian ini penulis melakukan manajemen bandwidth pada router mikrotik menggunakan queue queue. Sistem yang akan dibangun menggunakan satu buah router mikrotik RB750 dan empat laptop sebagai client.

Model Rancangan Sistem

Topologi jaringan yang akan di bangun dapat dilihat pada Gambar 3.

Gambar 4. Topologi Jaringan

Pada gambar 3, di router akan di konfigurasi IP Public, IP local untuk client, DNS, DHCP, Firewall, serta manajement bandwidth menggunakan queue tree. IP public yang di peroleh dari ISP atau penyedia jasa internet yaitu 202.52.122.22/30 dan IP local yang digunakan yaitu 192.168.10.1/24. Alokasi bandwidth yang digunakan dalam jaringan adalah 2 Mbps dedicated.

Pengambilan Data

Pengambilan data dilakukan dengan melakukan download file dari ftp://nas.itossdmc.com dan mengakses beberapa situs oleh masing-masing client. Besaran file yang di unduh adalah 16 MB. Pada router mikrotik akan dilihat secara langsung penggunaan bandwidth dari client saat melakukan pengunduhan data dengan melihat trafik di queue tree pada winbox.

Konfigurasi Sistem

Pembagian bandwidth menggunakan queue tree akan bersifat dinamis untuk setiap komputer client. Alokasi bandwidth yang didapat oleh seorang client bergantung pada ada atau tidaknya client lain yang menggunakan bandwidth. Bandwidth terendah yang didapatkan client adalah 512 Kbps dan bandwidth tertingggi yang didapat adalah 2 Mbps sehingga tidak akan ada bandwidth yang terbuang.

1. Manajemen Bandwidth Queue Tree Total keseluruhan bandwidth yang digunakan adalah 2 Mbps dedicated. Jumlah client yang digunakan adalah 4 client. Alokasi bandwidth bersifat dinamis berdasarkan jumlah client yang menggunakan bandwidth sehingga bandwidth minimum yang didapat client adalah 512 Kbps dan maksimal 2 Mbps untuk download ataupun upload.

2. Setup Mangel

Mangel berfungsi sebagai rule dalam limit bandwidth. Mangel yang digunakan yaitu mark connection dan mark packet.

Setup Mark Connection

a. Konfigurasi mark connection download yaitu : Chain = postrouting, Dst.

Address = 192.168.10.0/24,

Action = mark connection, New connection mark = MC-Download.

b. Konfigurasi mark connection upload yaitu : Chain = prerouting, Dst. Address = 192.168.10.0/24, Action = mark connection, New connection mark = MC-Upload. Setup Mark Packet

a. Konfigurasi mark packet download yaitu : Chain = postrouting, Dst. Address = 192.168.10.0/24, Action = mark packet, New Connection Mark = MP-Download. b. Konfigurasi mark packet upload yaitu :

Chain = prerouting, Dst. Address = 192.168.10.0/24, Action = mark packet, New Connection Mark = MP-Upload. c. Konfigurasi mark packet download client

1 yaitu : Chain = postrouting, Dst. Address = 192.168.10.101, Action = mark packet, New Packet Mark = DN-Client1. d. Konfigurasi mark packet upload client 1

(27)

21

Address = 192.168.10.101,

Action = mark packet, New Connection Mark = UP-Client1.

e. Konfigurasi mark packet download client 2 yaitu : Chain = postrouting, Connection Mark = UP-Client2.

g. Konfigurasi mark packet download client 3 yaitu : Chain = postrouting, Dst. Address = 192.168.10.103, Action = mark packet, New Packet Mark = DN-Client3.

h. Konfigurasi mark packet upload client 3 yaitu : Chain = prerouting, Src.

Address = 192.168.10.103,

Action = mark packet, New Connection Mark = UP-Client3.

i. Konfigurasi mark packet download client 4 yaitu : Chain = postrouting, Dst. Address = 192.168.10.104, Action = mark packet, New Packet Mark = DN-Client4.

j. Konfigurasi mark packet upload client 4 yaitu : Chain = prerouting, Src. Address = 192.168.10.104, Action = mark packet, New Connection Mark = UP-Client4.

3. Setup Queue Type

Menambahkan Queue Type PCQ ( Per Connection Queue) untuk download dan upload yang berfungsi dalam membagi atau membatasi trafik multi users secara dinamis. Untuk Queue Type Upload konfigurasinya yaitu Type Name = pcq_upload, Kind = pcq, Classifier = Src. Address. Untuk Queue Type Download konfigurasinya yaitu Type Name = pcq_download, Kind = pcq, Classifier = Dst. Address.

4. Setup Queue Tree

Pada Queue Tree akan diatur besar/kecil bandwidth yang diberikan ke client. Berikut merupakan konfigurasi download dan upload dalam queue tree. a. Konfigurasi download keseluruhan yaitu :

Name = All-Download, Parent = f. Konfigurasi upload keseluruhan yaitu :

(28)

22 k. Konfigurasi upload client 4 yaitu : Name

= UP-Client4, Parent = All-Upload, Packet Marks =UP-Client4, Queue Type = pcq_upload, Priority = 8, Limit At = 512K, Max Limit = 2M

PENGUJIAN DAN ANALISIS

Pengujian management bandwidth menggunakan queue tree pada router mikrotik RB750 dilakukan dengan mengunduh file di ftp://nas.itossdmc.com sebesar 16 MB dan melakukan browsing ke www.youtube.com. Hal tersebut dilakukan dengan tujuan apakah router mikrotik dengan queue tree dapat membagi bandwidth yang tersedia sesuai dengan management bandwidth yang telah di konfigurasi sebelumnya.

Pada pengujian pertama dilakukan dengan menggunakan satu client. Hasil pengujian dapat dilihat pada Tabel 1 dan hasi capture dapat dilihat pada Gambar 5.

Gambar 5.Pengujian dengan Satu Client

Pada pengujian kedua, akan dilakukan dengan menggunakan dua client. Hasil pengujian dapat dilihat pada Tabel 1 dan hasil capture dapat dilihat pada Gambar 6.

Gambar 6. Pengujian dengan Dua Client

Pada pengujian ketiga, akan dilakukan dengan menggunakan tiga client. Hasil pengujian dapat dilihat pada Tabel 1 dan hasi capture dapat dilihat pada Gambar 7.

Gambar 7.Pengujian dengan Tiga Client

Pada pengujian keempat, akan dilakukan dengan menggunakan empat client. Hasil pengujian dapat dilihat pada Tabel 1 dan hasi capture dapat dilihat pada Gambar 8.

Gambar 8. Pengujian dengan Empat Client

Pada Tabel 1 di bawah ini merupakan nilai dari pengujian yang dilakukan sebanyak 30 kali dengan variasi download file, browsing, dan jumlah user.

Tabel 1. Hasil Pengujian Queue Tree

Percobaan

Ke-Bandwidth maksimal yang diperoleh tiap client dari total

Satu Client Dua Client Tiga Client Empat Client

1 2048 1002 1023 699 672 620 523 526 514 515

2 2042 986 1011 697 630 643 522 516 517 520

3 2036 1021 1025 665 695 632 512 523 524 519

4 2048 984 992 679 689 626 525 513 515 521

5 2045 1012 1010 656 619 692 516 529 512 517

6 2048 912 1041 624 678 685 521 518 515 519

7 2005 1015 1020 643 621 690 519 512 512 529

8 2041 1001 929 675 631 677 522 523 514 519

9 2010 1023 1032 663 656 671 527 529 513 514

10 2032 918 1035 691 674 612 517 515 513 529

11 2019 987 1023 680 662 659 524 516 524 513

12 2000 1021 965 692 623 672 530 516 526 516

13 2013 985 1021 620 679 695 518 524 524 519

(29)

Dari Tabel 1, dapat dilihat bahwa management bandwidth menggunakan Queue Tree berhasil diterapkan. Hasil diatas menunjukan apabila hanya satu client yang menggunakan bandwidth maka bandwith akan diberikan kepada client tersebut dengan rata-rata 2024 Kbps, dengan demikian bandwith tidak akan terbuang percuma.

Pada pengujian kedua jika ada dua client yang menggunakan bandwidth maka bandwidth sebesar 2 Mbps dibagi untuk dua client yang menggunakan bandwidth tersebut. Rata-rata bandwidth yang didapat dari hasi pengujian sebesar 1004,5 Kbps.

Pada pengujian ketiga jika ada tiga client yang menggunakan bandwidth maka bandwidth sebesar 2 Mbps dibagi untuk tiga client yang menggunakannya. Rata-rata bandwidth yang didapat dari hasi pengujian sebesar 660 kbps.

Pada pengujian keempat apabila ada tempat client yang menggunakan bandwidth maka bandwidth sebesar 2 Mbps dibagi untuk empat client yang menggunakannya. Rata-rata bandwidth yang didapat dari hasi pengujian sebesar 519,25 kbps.

KESIMPULAN

Kesimpulan yang dapat peneliti tarik dari penelitian ini adalah sebagai berikut : 1. Dengan management bandwidth

menggunakan queue tree dapat mengatur besar kecilnya bandwidth yang di perlukan client sehingga memberikan hasil yang baik.

2. Dari alokasi bandwidth sebesar 2 Mbps, pada pengujian pertama menggunakan satu client bandwidth yang di dapatkan client tersebut sebesar 2024 Kbps. Pada pengujian kedua menggunakan dua client, bandwitdth yang di dapat sebesar 1004,5 Kbps. Pada pengujian ketiga menggunakan tiga client, rata-rata bandwidth yang di dapat sebesar 660 Kbps. Pengujian terakhir menggunakan empat client rata-rata bandwidth yang didapat 519,25 Kbps.

3. Bandwidth minimum yang diapat client dapat hitung dengan cara besar bandwidth keseluruhan dibagi jumlah client.

4. Pembagian bandwidth untuk client menjadi teratur dan jika client lainnya tidak memakai bandwidth maka bandwidth dapat di alokasikan ke client lain yang memerlukan sehingga dapat mengoptimalkan bandwidth yang tersedia.

DAFTAR PUSTAKA

[1] Fourouzan, Behrouz A. 2007. Data Communication and Networking, Fourth Edition. McGraw-Hill.

[2] Budhi Irawan. 2005. Jaringan Komputer. Graha Ilmu.

[3] Herlambang, L. M. 2008. Panduan Lengkap Menguasai Router Masa Depan Menggunakan Mikrotik RouterOS. Yogyakarta. Andi.

(30)

24 [5] Hardana dan Ino Irvantino. 2011.

Konfigurasi Wireless Routerboard Mikrotik. Yogyakarta. Andi

[6] Kencana, Surya. Andriana, Giva. dan Idham, Iskandar. 2012. Implementasi Algoritma Per Connection Queue (PCQ) dalam Algoritma Hierarchical Tocken Bucket (HTB) untuk Pembagian Bandwidth pada Warnet Khelambiquenet. Bandung. Politeknik Telkom Bandung.

[7] Yoga Saniya, Wahyu Adi Priyono, dan Rusmi Ambarwati. 2013. Sistem Manajemen Bandwidth dengan Prioritas Alamat IP Client.

[8] Kustanto dan Saputro, Daniel. 2008. Membangun Server Internet dengan Mikrotik OS. Yogyakarta: Penerbit Graha Media.

[9] Stalling, William. 2002. Komunikasi dan Komputer : Jaringan Komputer. Salemba.Jakarta.

(31)

25

PERANCANGAN SISTEM INFORMASI KEANEKARAGAMAN HAYATI DI PT. PERTAMINA DEPOT PENGISIAN PESAWAT UDARA (DPPU) NGURAH RAI

I Gusti Putu Deviara Putra, I.B Made Mahendra

Program Studi Teknik Informatika, Jurusan Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana

email: depe.putra@gmail.com, ibm.mahendra@gmail.com

ABSTRAK

Sistem informasi adalah sebuah sarana yang dibuat guna untuk memudahkan yang awalnya dikerjakan secara manual lalu di ubah kedalam bentuk komputerisasi sehingga semuanya dapat dikerjakan dengan mudah. Begitu juga di DPPU Ngurah Rai, Salah satu perusahaan BUMN di bali ini memiliki sebuah program untuk melestarikan flora dan fauna dalam sebuah pencatatatan data yang menandakan bahwa DPPU Ngurah Rai perduli terhadap lingkungan. Pada awalnya pendataan data keanekaragaman hayati yang mereka miliki secara manual, namun ada kendala dimana data yang di sudah di catat terkadang hilang sehingga harus di lakukan pendataan ulang.

Sistem Informasi Keanekaragaman hayati ini di buat sebagai salah satu media yang dapat mengurangi terjadinya kendala-kendala tersebut. Dengan adanya sistem dapat mempermudah perusahaan dalam memberikan laporan bulanan mengenai kondisi dari keanekaragaman hayati yang mereka miliki.

Hasil yang dicapai dalam sistem informasi ini sistem dapat sesuai dengan kebutuhan pengguna yaitu sebagai alat penyimpanan data flora dan fauna, sistem dapat memberikan fasilitas master data sebagai sarana untuk menambah, memodifikasi maupun menghapus data dan semuanya dapat tersaji dalam bentuk laporan.

Kata Kunci: Sistem Informasi, Keanekaragaman Hayati, DPPU Ngurah Rai

ABSTRACT

The information system is a tool that created to facilitating the method of data collecting which at first the data collecting done manually and changed into computerized method, so everything could be done easily. As well as DPPU Ngurah Rai (one of the state-owned company in Bali), it has a program to preserve and record any data from animals and plants which indicates that the DPPU Ngurah Rai care about the environment. At first, the biodiversity data collecting was taken manually, whereas there were any problems that the collected data suddenly lost and caused the data collecting should be repeated.

This Biodiversity Information System was made as one of obstacles reducing tools. The system able to supports the company to give monthly report about the condition of their own biodiversity.

The results achieved in these information systems to fit the needs of system users, namely as a means of data storage flora and fauna, the system can provide the facilities master data as a means to add, modify or delete data and all of them can be presented in the form of a report.

Keywords: System Information, Biodiversity, DPPU Ngurah Rai

1. Latar Belakang

PT. Pertamina Depot Pengisian Pesawat Udara (DPPU) Ngurah Rai Bali adalah salah satu perusahaan BUMN yang terbaik di indonesia. Ini terbukti dari sejumlah pernghargaan yang telah diperoleh sebagai pemegang Penghargaan Proper Beyond Compliance 2 kali berturut-turut dari tahun

2011 dan 2012[6]. Banyak cara dilakukan oleh DPPU Ngurah Rai Bali dalam memperoleh penghargaan dalam bidang pengelolaan lingkungan baik dalam pengolahan limbah bekas pakai maupun pengadaan keanekaragaman hayari dilingkungan kantor.