Prosiding semnasteknomedia 2013 | STMIK AMIKOM YOGYAKARTA

ISSN : 2302-3805

Prosiding
Seminar Nasional
Teknologi Informasi dan Multimedia 2013

Yogyakarta, 19 Januari 2013

Diselenggarakan oleh:
SEKOLAH TINGGI MANAJEMEN INFORMATIKAN DAN
KOMPUTER
AMIKOM
YOGYAKARTA
2013
i

Prosiding Seminar Nasional Teknologi Informasi dan Multimedia
(Semnasteknomedia) 2013
Diterbitkan oleh:
Sekolah Tinggi Manajemen Informatika dan Komputer
AMIKOM YOGYAKARTA
Jl.Ring Road Utara, Condongcatur, Depok, Sleman, Yogyakarta 55283
Telp.
: +62-274-884201 – 204. Ext.
Faks.
: +62-274-884208
Website
: www.semnasteknomedia.com
Email
: semnas@amikom.ac.id

Hak Cipta © 2013 ada pada penulis
Artikel pada prosiding ini dapat digunakan, dimodifikasi, dan disebarkan secara bebas untuk
tujuan bukan komersial (non profit), dengan syarat tidak menghapus atau mengubah atribut
penulis. Tidak diperbolehkan melakukan penulisan ulang kecuali mendapatkan ijin terlebih
dahulu dari penulis.

ii

Seminar Nasional Teknologi Informasi dan Multimedia (Semnasteknomedia) 2013
STMIK AMIKOM Yogyakarta, 19 Januari 2013

ISSN : 2302-3805

Kata Pengantar
Ketua Panitia SEMNASTEKNOMEDIA 2013

Assalamu’alaikum Wr. Wb
Salam sejahtera untuk kita semua,
Puji syukur kehadirat Allah SWT, karena atas hidayah-NYA pada hari ini kita dapat bertemu pada
seminar Nasional Teknologi Informasi dan Multimedia atau kita sebut Semansteknomedia. Ijinkan saya
mewakili segenap panitia mengucapkan selamat datang di STMIK AMIKOM Yogyakarta.
Hadirin yang terhormat,
Kegiatan Semansteknomedia 2013 mengambil tema
Technopreneurship in E-Commerce and
Clouds Era., terdapat 171 makalah yang masuk kepanitia dari berbagai institusi pendidikan baik negeri
maupun swasta dari berbagai propinsi di Indonesia. Setelah melalui proses reviewing dan editing,
dengan berat hati panitia menolak beberapa makalah yang dengan berbagai pertimbangan dianggap
belum layak dipresentasikan atau kurang relevan dengan tema seminar, sehingga untuk
Semnasteknomedia 2013 ini ada sebanyak 164 makalah terpublikasikan.
Hadirin yang terhormat,
Panitia mengucapkan terima kasih kepada seluruh pihak yang telah berpartisipasi dan mendukung atas
terselenggaranya acara ini. Dengan diadakannya Seminar Nasional Teknologi informasi dan
Multimedia ini, diharapkan tumbuh inspirasi dan kreativitas sehingga dapat memicu bertambahnya
manfaat teknologi dan ilmu pengetahuan bagi kemaslahatan bangsa dan negara. Kepada keynote
speaker, kami ucapkan terima kasih atas kesediaanya untuk memberikan presentasi pembukanya. Kami
ucapkan terima kasih juga kepada seluruh anggota Komite Program dalam kesediaan untuk menyeleksi
makalah yang masuk. Terima kasih pula kepada sponsor dan seluruh panitia, baik dosen, karyawan atas
kerja keras kita bersama.
Tak lupa kami mengucapkan selamat bagi para peserta Semasteknomedia 2013 ini, akhirnya kami
mohon maaf yang sebesar-besarnya bila pada penyelenggaraan acara ini masih terdapat kekurangan.
Kritik dan saran bapak/Ibu sangat kami nantikan sehingga kami dapat melakukan perbaikan di masa
mendatang.
Wassalamu’alaikum Wr. Wb
Ketua Panitia Semnasteknomedia 2013,

Kusnawi, S.Kom, M.Eng

iii


iv

ISSN : 2302-3805


ISSN : 2302-3805

Sambutan
Kepala Bagian P3M STMIK AMIKOM YOGYAKARTA
Assalamu ‘alaikum Wr. Wb.

Puji syukur dipanjatkan kehadirat Allah SWT, atas berkat rahmat dan hidayah-Nya, Seminar Nasional
Teknologi Informasi dan Multimedia 2013 yang diselenggarakan oleh bagian Penelitian Pengembangan
dan Pengabdian Masyarakat (P3M) STMIK Amikom Yogyakarta berkerja sama dengan jurusan S1
Teknik Informatika STMIK Amikom Yogyakarta berhasil diselenggarakan untuk pertama kalinya.

Seminar ini mengambil tema Technopreneurship in E-Commerce and Clouds Era, yang diharapkan
dapat menjadi wadah diseminasi keilmuan bagi para akademisi, peneliti, praktisi, serta para pengguna
teknologi informasi dan untuk dapat sharing knowledge terhadap berbagai perkembangan teknologi
informasi.

Saya berharap, para peserta berkesempatan memperoleh informasi baru, mengembangkan komunikasi
baik individu maupun kelembagaan serta mendapatkan masukan yang berguna dari para peserta satu
sama lain. Kepada para pembicara tamu dan seluruh peserta seminar, Saya ucapkan terima kasih atas
segala partisipasinya. Besar harapan Saya semoga seminar ini memberikan kontribusi dalam
pengembangan ilmu dan teknologi.

Saya ucapkan terima kasih kepada semua pihak yang ikut membantu terlaksananya seminar ini.

Wassalamu ‘alaikum Wr. Wb.
Kepala Bagian P3M STMIK AMIKOM Yogyakarta

Heri Sismoro, M.Kom

v


vi

ISSN : 2302-3805


ISSN : 2302-3805

Sambutan
Ketua STMIK AMIKOM YOGYAKARTA

Assalamu ‘alaikum warahmatullahi wabarakatuh.
Segala puji bagi Allah Tuhan seru sekalian alam, yang telah memberikan rahmat dan hidayahnya
sehingga dapat berkumpul dalam acara Seminar Nasional Teknologi Informasi dan Multimedia.
Selamat datang di Kampus STMIK AMIKOM Yogyakarta, kampus Private Entrepreneur percontohan
UNESCO dalam Seminar Nasional Teknologi Informasi dan Multimedia 2013, dengan mengusung
tema “Technopreneurship in E-Commerce and Clouds Era”. Sesuatu yang sangat menantang, tetapi
juga membuka peluang yang sangat luas.
Hasil riset dari PricewaterhouseCoopers (PwC) yang dimuat dalam Technology Sector Scorecard
(2012), menyatakan bahwa kuartal pertama 2012 terbukti merupakan kelanjutan dari 2011 dengan
melambatnya pertumbuhan ekonomi global. Bahkan pasar yang paling cepat berkembang seperti
China, Brazil dan India menunjukkan tanda-tanda juga melambat. Meskipun ada permintaan yang
tinggi untuk produk-produk mobile seperti smartphone dan tablet, produk tradisional PC dan router
mengalami permintaan bergejolak, yang berimbas pada pertumbuhan yang lambat pada hardware
jaringan komputer tradisional, dan perusahaan semikonduktor. Meskipun demikian Cloud computing
mempunyai peluang yang paling menjanjikan dari pergeseran permintaan dari PC tradisional menuju
perangkat mobile. Perusahaan perangkat lunak terkemuka dunia memperoleh kemampuan cloud lebih
untuk membantu mereka yang bergerak dalam bisnis aplikasi perusahaan untuk Software-as-a-Service
dan subscription models.
Pengeluaran global dunia hiburan untuk film diperkiranan akan naik pada tingkat 3,1 persen per tahun
selama periode proyeksi lima tahun, mencapai $ 99,7 milyar

pada tahun 2016 (PwC, 2012).

Pertumbuhan harga dan pertumbuhan di layar 3-D akan merangsang pasar film box office. Layanan
over-the-top/streaming muncul dan pertumbuhan dalam kabel digital dan perusahaan telepon layanan
TV berlangganan yang mempromosikan video-on-demand (VOD) juga akan meningkatkan distribusi
digitalnya, bersama dengan ketersediaan konten pada tablet dan perangkat lainnya serta internetterhubung TV. Home video digital hampir dua kali lipat pangsa pasarnya pada 2016.Belanja digital
hampir dua kali lipat selama lima tahun ke depan, sementara belanja fisik akan turun hampir 20 persen.
vii


ISSN : 2302-3805

Secara global, over-the-top/streaming layanan akan tumbuh pada CAGR 21,0 % menjadi $ 11 miliar
pada tahun 2016, dan akan menyusul pengeluaran VOD melalui penyedia TV berlangganan pada 2012.
Dengan demikian peluang pasar pada 2013 dalam bidang teknologi informasi, hiburan dan media tetap
terbuka lebar. Selamat berseminar, semoga kita mampu untuk menangkap peluang yang sangat
menjanjikan di masa yang akan datang.
Wassalamu ‘alaikum warahmatullahi wabarakatuh.
Ketua STMIK AMIKOM Yogyakarta

Prof. Dr. M. Suyanto, MM

viii


ISSN : 2302-3805

Susunan Panitia
Pelindung
Prof. Dr. M. Suyanto, M.M (Ketua STMIK AMIKOM Yogyakarta)

Steering Commitee (STMIK AMIKOM Yogyakarta)
Ir. Rum Muhamad Andri KR, M.Kom
Heri Sismoro, M.Kom
Sudarmawan, M.T

Ketua Pelaksana
Kusnawi, S.Kom, M.Eng

Reviewer
Prof. Dr. M. Suyanto, M.M (STMIK AMIKOM Yogyakarta)
Prof. Dr. rer. nat. Achmad Benny Nusantara, Q.N., S.Si, M.Kom (Universitas Gunadarma)
Prof. Adhi Susanto, M.Sc, Ph.D (Universitas Gadjah Mada)
Dr. Ema Utami, S.Si, M.Kom (STMIK AMIKOM Yogyakarta)
Dr. Ing. MHD. Reza M. I. Pulungan, S.Si, M.Sc (Universitas Gadjah Mada)
Dr. Kusrini, M.Kom (STMIK AMIKOM Yogyakarta)
Dr. Drs. Ashari SN, M.T (Universitas Gadjah Mada)

Komite Pelaksana (STMIK AMIKOM Yogyakarta)
Armadyah Amborowati, S.Kom, M.Eng
Murni Elviana Dewi, A.Md
Lya Renita Ika Puteri, S.Kom
Tutut Heryanti, A.Md
Dr. Kusrini, M.Kom
Emha Taufiq Luthfi, S.T, M.Kom
Anggit Dwi Hartanto, M.Kom
Agus Purwanto, S.Kom
Dr. Ema Utami, S.Si, M.Kom
Bayu Setiaji, M.Kom
Akhmad Dahlan, S.Kom
Tonny Hidayat, M.Kom
Suparwoto, A.Md
Heru Ruspono, A.Md

Joko Dwi Santoro, M.Kom
Mei Parwanto Kurniawan, M.Kom
Nur’aini, S.Kom
Purwanto
Jaeni, S.Kom
M. Agung Nugroho, S.Kom
Arif Dwi Laksito, S.Kom
Mardhiya Hayati, S.Kom
Erik Hadi Saputra, S.Kom, M.Eng
Dhani Ariatmanto, M.Kom
Dendy Suseno, S.Sos
Devi Wulandari, S.Kom
Fadya Rizka Yudana, S.Kom
Ayu Aprilia, S.Kom

ix


x

ISSN : 2302-3805


ISSN : 2302-3805

Ucapan Terimakasih
Panitia Seminar Nasional Tenkologi Informasi dan Multimedia (Semnasteknomedia) 2013
mengucapkan terimakasih kepada fihak sponsor yang telah membantu terselenggaranya
seminar ini.
-

Bank Muamalat

xi


xii

ISSN : 2302-3805

Seminar Nasional Teknologi Informasi dan Multimedia 2013

ISSN: 2302-3805

Daftar Isi
Halaman Judul

i

Kata Pengantar Ketua Panitia

iii

Sambutan Kepala Bagian P3M STMIK AMIKOM YOGYAKARTA

v

Sambutan Ketua STMIK AMIKOM YOGYAKARTA

vii

Susunan Panitia

ix

Ucapan Terimakasih

xi

Daftar Isi

xiii

1. Animation
CAMERA TRACKING AKIBAT MEMBUANG SAMPAH SEMBARANGAN MENGGUNAKAN
BLENDER 2.62 DAN VOODOO. Rina Noviana, Lely Prananingrum, Budi Utami Fahnun.
01-1
TINGKAT PERSEPSI PENERIMAAN MAHASISWA TERHADAP TEKNOLOGI MOTION
CAPTURE DENGAN MULTI KAMERA SEBAGAI MEDIA PEMBELAJARAN PADA
PEMBUATAN ANIMASI 3D. Mei Parwanto Kurniawan.
01-7
RANCANG BANGUN FILM ANIMASI PENDEK 3D “SUPER HERRO” MENGGUNAKAN
OPENSOURCE BLENDER. Bhanu Sri Nugraha, Agus Nugroho
01-13

2. Bioinformatic
KLASIFIKASI JENIS DAN FASE PARASIT MALARIA PLASMODIUM FALCIPARUM DAN
PLASMODIUM VIVAX DALAM SEL DARAH MERAH MENGGUNAKAN SUPPORT VECTOR
MACHINE ONE AGAINST ONE.
Endi Permata,I Ketut Eddy Purnama, Mauridhi Hery Purnomo.
02-1

3. Cloud Computing
PEMANFAATAN GOOGLE FUSION TABLES CLOUD BASED SERVICE SEBAGAI SARANA
PEMBELAJARAN PENGEMBANGAN APLIKASI SIG.
Andri Gabriel Sooai.
03-1
DESAIN INTEGRASI LEARNING CONTENT MANAGEMENT SYSTEM PADA CLOUD-BASE
SISTEM INFORMASI SEKOLAH SEBAGAI PENINGKATAN KEUNGGULAN DAYA SAING.
Rico Agung Firmansyah.
03-7
PEMANFAATAN CLOUD COMPUTING DALAM PENGEMBANGAN BISNIS.
Anik Andriani.
xiii

03-13


ISSN: 2302-3805

PENERAPAN CLOUD COMPUTING SEBAGAI SARANA PEMBELAJARAN SISWA.
Gunawan Budi Sulistyo, Chandra Agustina.

03-19

4. Computer Graphic
PERANCANGAN GELOMBANG SINGKAT (WAVELET) YANG COCOK UNTUK SINYAL
DUA-DIMENSI IRIS MATA.
R. Rizal Isnanto, Imam Santoso, Achmad Hidayatno, Suhardjo, Adhi Susanto.
04-1
MANYLIGTHS PROJECT UNTUK PENGUJIAN KUALITAS GRAFIK KOMPUTER PADA VGA
CARD. Robby Candra
04-9
PEMODELAN KEKUATAN SINYAL WIRELESS DENGAN METODE FINITE DIFFERENCE
TIME DOMAIN. Robby Gunawan, Sunarni, Pranowo.
04-15
EVALUASI SISTEM TEMU KENALI CITRA BERBASIS KONTEN WARNA.
Reza Sansa Hardika, Metty Mustikasari, Risdiandri Iskandar.

04-19

PEMBUATAN GARIS BESAR FONT (OUTLINE FONTS) MENGGUNAKAN PROGRAM
OPENGL 32. Risdiandri Iskandar, Melaniawati, Robby Candra.
04-25
TRANSFORMASI SINUSOIDAL PADA TEX MENGGUNAKAN OPENGL.
Romdhoni Susiloatmadja.

04-29

GRAY LEVEL COOCURENCE MATRIX SEBAGAI PENGEKSTRAKSI CIRI PADA
PENGENALAN NASKAH BRAILLE. Yegar Sahaduta, Chairisni Lubis.

04-33

PENGEMBANGAN MEDIA PEMBELAJARAN INTERAKTIF PENGENDALI MAGNETIK
BERBASIS MULTIMEDIA DI BLPT YOGYAKARTA.
Muhammad Tofa Nurcholis, Agus Fatkhurohman, Henderi.
04-39

5. Computer Network
PERANGKAT KOMUNIKASI MULTI-EXTERNAL HARDWARE MELALUI LAN DENGAN
MENGGUNAKAN MICROCONTROLLER. Marojahan M.T. Sigiro.
05-1
IMPLEMENTASI TEKNOLOGI LOAD BALANCER DENGAN WEB SERVER NGINX UNTUK
MENGATASI BEBAN SERVER. Effendi Yusuf, Tengku A Riza, Tody Ariefianto.
05-11
RANCANG BANGUN JARINGAN LAN DAN WLAN DI SLB NEGERI BABEL. Sujono.

05-17

APLIKASI XML PARSER DATA DUMP PEMANTAU LALU LIBNTAS JARINGAN.
Gunawan Putrodjojo, Pujianto Yugopuspito, Brano J. Ganda.

05-21

FAILOVER CLUSTER SERVER DAN TUNNELING EOIP UNTUK SISTEM DISASTER
RECOVERY. Nanang Purnomo, Melwin Syafrizal.
05-27

xiv


ISSN: 2302-3805

IMPLEMENTASI PROXY SERVER DENGAN WEBMIN MENGGUNAKAN LINUX DEBIAN
LENNY. Danang, Samuel Ongkowijoyo.
05-33
ANALISIS PERBANDINGAN EFISIENSI ENERGI TMAC DENGAN CSMA IEEE 802.15.4 DI
JARINGAN SENSOR NIRKABEL. Afif Z Arfianto, Valian Y P.
05-39

6. Computer Vision
PERANCANGAN PENDETEKSIAN TARGET BERDASARKAN WARNA PAKAIAN PADA
SISTEM ROBOT PENGIKUT MANUSIA. M. Latif.
06-1
PENCARIAN CITRA BERBASIS TEKSTUR UNTUK PENGENALAN LOKASI.
Amir Fatah Sofyan , Agus Harjoko.

06-7

KLASIFIKASI JENIS KELAMIN BERDASARKAN CITRA WAJAH MENGGUNAKAN
ALGORITMA ADABOOST-SVM. Septia Rani, Deni Saepudin.

06-13

PENCACAH SEL DARAH MERAH MENGGUNAKAN METODE MORFOLOGI.
Ardy Erdiyanto, Andi Sunyoto.

06-19

FACIAL MOTION CAPTURE MENGGUNAKAN ACTIVE APPEARANCE MODEL BERBASIS
BLENDER. Tri Afirianto, Mochamad Hariadi.
06-25
SEGMENTASI MODEL AKTIF KONTUR SBGFRLS PADA PAMOR KERIS.
Oskar Ika Adi Nugroho, Pranowo.

06-31

7. Data Mining
IMPLEMENTASI DATA MINING TERHADAP PENYUSUNAN LAYOUT MAKANAN PADA
RUMAH MAKAN PADANG “MURAH MERIAH”. Oliver Zakaria, Kusrini.
07-1
WEIGHT K-SUPPORT VECTOR NEAREST NEIGHBOR.
Eko Prasetyo, Rifki Fahrial Zainal, Harunur Rosyid.

07-7

PERBAIKAN AKURASI FUZZY K-NEAREST NEIGHBOR IN EVERY CLASS
MENGGUNAKAN FUNGSI KERNEL. Harunur Rosyid, Eko Prasetyo, Soffiana Agustin.

07-13

PERINGKAS DOKUMEN OTOMATIS MENGGUNAKAN METODE FUZZY MODEL SISTEM
INFERENSI MAMDANI. Achmad Ridok, Tri Cahyo Romadhona.
07-19
PENGENALAN POLA BENTUK BUNGA MENGGUNAKAN PRINCIPLE COMPONENT
ANALYSIS DAN K-NN. Herfina.
07-25
IMPLEMENTASI LEARNING VECTOR QUANTIZATION UNTUK DIAGNOSA PENYAKIT
DIABETES MELLITUS. Fajar Rohman Hariri.
07-31
TEKNIK DATA MINING DAN DECISION SUPPORT SYSTEM UNTUK KEUNGGULAN
BERSAING (Study Kasus Perusahaan TV Kabel ). Ahlihi Masruro.
07-39

xv


ISSN: 2302-3805

IMPLEMENTASI DETEKSI OUTLIER PADA ALGORITMA HIERARCHICAL CLUSTERING.
Ahmad Saikhu, Yoga Bhagawad Gita.
07-45

8. Database Management
INTEGRITY CONSTRAINT BASIS DATA RELASIONAL DENGAN MENGGUNAKAN
PL/PGSQL DAN CHECK CONSTRAINT. Suwanto raharjo.

08-1

PENGEMBANGAN MODEL SISTEM INFORMASI MANAJEMEN BENCANA GEMPA BUMI
BERBASIS WEB. Dewi Irawati Puspitajati, Achmad Djunaedi, Sri Kusumadewi.
08-7
SISTEM INFORMASI TERDISTRIBUSI PADA MANAJEMEN INVENTARISASI PERALATAN
LABORATORIUM. Ratih Kumalasari Niswatin.
08-13
SISTEM INFORMASI DAN REGISTRASI TERNAK PADA KELOMPOK PETERNAK KAMBING
DI MALANG.
Madha C. Wibowo, Pratiwi W. Wahyuni, I D.G. Rai Mardiana, Susijanto T. Rasmana.
08-19
RANCANG BANGUN KONSEPTUAL BASIS DATA KLINIK 24 JAM.
Indrajani, Safan Capri, Wihendro.

08-27

9. Decission Support System
RANCANG BANGUN REKOMENDASI PENGISIAN BORANG PROGRAM STUDI SARJANA
DENGAN OBJECTIVE MATRIX. Andi Widiyanto, Kusrini, Hanif Al Fatta.
09-1
PEMANFAATAN AHP SEBAGAI MODEL KEPUTUSAN PENENTUAN DESA POSDAYA.
Rina Fiati , Tutik Khotimah.
09-7
METODE PENINJAUAN DASHBOARD DARI BUSINESS INTELLIGENCE UNTUK MEMBUAT
KEPUTUSAN LEBIH BAIK. Oleh Soleh, Meta Amalya Dewi, Arfiah, Asdin.
09-13
PERANCANGAN MODEL SISTEM PENDUKUNG KEPUTUSAN PENENTUAN MAHASISWA
PENERIMA BEASISWA. Alfie Nur Rahmi, Eli Pujastuti, Henderi.
09-19
STRATEGI MEMANFAATKAN INTERNET DALAM UPAYA MENERAPKAN KONSEP
PAPERLESS OFFICE DI BAAK. Hilyah Magdalena.
09-25
METODE FUZZY AHP DAN AHP DALAM PENERAPAN SISTEM PENDUKUNG KEPUTUSAN.
Norhikmah, Rumini, Henderi.
09-31
KAJIAN PEMILIHAN SOFTWARE DESAIN GRAFIS UNTUK PEMBELAJARAN DENGAN
METODE AHP STUDI KASUS SMK MUHAMMADIYAH 9. Sarwindah.
09-39
APLIKASI SISTEM PENDUKUNG KEPUTUSAN PENJUALAN PADA PERUSAHAAN SPARE
PARTS SAMARINDA. Heny Pratiwi, Ekawati Yulsilviana, Siti Qomariah.
09-45
MODEL PENDUKUNG KEPUTUSAN PEMILIHAN PRODUK INVESTASI PERSIAPAN DANA
PENDIDIKAN ANAK. Elly Yanuarti.
09-51

xvi


ISSN: 2302-3805

IMPLEMENTASI SPK UNTUK SELEKSI CALON GURU DI SMK BINA MARTA.
Tri Widayanti, Wahyu Noer Hidayat, Mulia Sulistiyono.

09-55

EVALUASI KINERJA DOSEN MENGGUNAKAN METODE FUZZY MULTI-ATTRIBUTE
DECISION MAKING (FMADM) DENGAN PENGEMBANGAN (STUDI KASUS: UNIVERSITAS
MUHAMMADIYAH PONOROGO). Ida Widaningrum.
09-61

10. E-Commerce
SISTEM INFORMASI PELAYANAN PRODUK BERBASIS WEB DI VENDOR BERKART!.
Bernadhed
10-1
PERANCANGAN SISTEM PENJUALAN FASHION ONLINE PADA TOKO MOZALEA
COLLECTION.
Lely Prananingrum, Anggie Sukma D.J, Budi Utami Fahnun, Dionysia Kowanda.

10-7

11. E-Learning
PEMANFAATAN E-LEARNING SEBAGAI MEDIA PEMBELAJARAN DI UNIVERSITAS BINA
DARMA PALEMBANG. Merry Agustina.
11-1
APLIKASI PEMBELAJARAN MUSIK TRADISIONAL MELALUI METODE SIMULASI
BERBASIS COMPUTER ASSISTED INSTRUCTION (CAI).
Yudi Irawan Chandra, Eriek Orlando.

11-7

OPTIMALISASI CLUSTER SERVER LMS DAN IPTV DENGAN VARIASI ALGORITMA
PENJADWALAN. Didik Aribowo, Achmad Affandi.
11-13
RANCANG BANGUN UJIAN ONLINE DENGAN OPTIMASI PEMILIHAN SOAL.
Agustono Heriadi, Diema Hernyka Satyareni.

11-19

12. Expert System
APLIKASI SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT GANGGUAN TIDUR
DENGAN TURBO PROLOG 2.0. Rina Noviana, Winarti, Devi.
12-1
PEMODELAN SISTEM PAKAR ANALISIS KARAKTERISTIK ANAK PRASEKOLAH DENGAN
GENRE MUSIK. Dina Maulina, Kusrini, Rudyanto Arief.
12-9

13. Game Development
PEMODELAN RETAKAN TIGA DIMENSI AKIBAT LEDAKAN UNTUK SERIOUS GAMES.
Anton Siswo R.A., M. Hariadi, Endah W
13-1
FIRST-PERSON SHOOTER 3D “GAMASHOOT” DENGAN BLENDER DAN UNITY 3D.
Muhammad Haki Fauzi, Rodiah.

13-7

PEMETAAN JARINGAN SOSIAL GAME ONLINE MMORPG MENGGUNAKAN SOCIAL
NETWORK ANALYSIS. Ofir Victor Soumokil.

13-13

xvii


ISSN: 2302-3805

APLIKASI METODE TOP DOWN PARSING PADA GAME PEMBELAJARAN CISCO ROUTER.
Ahmad Syamsudin.
13-19
STRATEGI MENYERANG NPC GAME FPS MENGGUNAKAN FUZZY FINITE STATE
MACHINE. Ady Wicaksono, Mochamad Hariadi, Supeno Mardi S. N

13-25

MEMBANGUN : “BATTLE DRONE” BATTLE CARD 4 KIDZ. Reza Andrea.

13-31

14. Geographic Information System
PEMANFAATAN MODEL NUMERIK WRF V3.4 UNTUK INFORMASI CUACA
PENERBANGAN. Fatkhuroyan

14-1

TEKNOLOGI GEOGRAPHIC INFORMATION SYSTEM DALAM MEMONITOR LAPORAN
HIMPAUDI KOTA TANGERANG. Oleh Soleh, Dyah Ayu Arditya, Irene Ursula
14-5
SISTEM INFORMASI GEOGRAFIS PEMETAAN PENYEBARAN PELAYANAN JEMAAT (Studi
Kasus: Gereja Huria Kristen Batak (HKBP) di Pulau Jawa). Marselina Endah, Eny Maria
14-11
PEMODELAN REDAMAN HUJAN BERBASIS ARIMA PADA LINTASAN RADIO 28 GHz
UTARA-SELATAN. Valian Yoga Pudya Ardhana, Achmad Mauludiyanto
14-17
APLIKASI FRIEND TRACKER BERBASIS ANDROID SMARTPHONE MENGGUNAKAN GPS
TRACKING. Wahyu Kusuma, Tity Septiani.
14-23
SISTEM PANDUAN PEMILIHAN TRANSPORTASI DAN AKOMODASI PARIWISATA UNTUK
WILAYAH YOGYAKARTA BERBASIS MOBILE.
Lilia Aris Nur Hindrawan, I Wayan Ordiyasa
14-29

15. Human Computer Interaction
PENGARUH FACEBOOK TERHADAP NILAI AKADEMIK MAHASISWA STMIK AMIKOM
YOGYAKARTA. Sulidar Fitri, Hartatik.
15-1

16. Industrial Engineering
RANCANG BANGUN MODEL PERANGKAT AKUISISI DATA PORTABEL BERBASIS
MIKROPENGENDALI ATMEGA8L.
Arief Hendra Saptadi, Paulus Insap Santosa, Bambang Sutopo.

16-1

APLIKASI LAPORAN HARIAN STATUS PRODUKSI UNTUK PROJECT PERFORMANCE PIPE
SDN. BHD. PADA PT. KHI PIPE INDUSTRIES (KRAKATAU STEEL GROUP).
Nursyahron Joko Febrianto.
16-11

xviii


ISSN: 2302-3805

17. Information System
PROYEK SISTEM INFORMASI PENGOLAHAN DATA TENDER BARANG DAN JASA (STUDI
KASUS BIRO UMUM SETDA PROVINSI MALUKU UTARA).
Muhammad Ridha Albaar.
17-1
ANALISIS SISTEM INFORMASI PELAYANAN IZIN MENDIRIKAN BANGUNAN
MENGGUNAKAN PENDEKATAN FRAMEWORK ITPOSMO (STUDI KASUS DINAS TATA
KOTA DAN PERTAMANAN KOTA TERNATE).
Muhammad Ridha Albaar, Rosdiani Achmad
17-7
MEMBANGUN KEDEKATAN PELANGGAN MENGGUNAKAN SMS BROADCAST
BERSALAM PADA MOMKIDS. Ardi Sanjaya, Cahyono.

17-13

ALARM GEMPA BUMI SEDERHANA MENGGUNAKAN SENSOR PHOTODIODA BERBASIS
MIKROKONTROLER AT89S51. Dendy Mulya Kusuma, Robby Candra.
17-21
PENERAPAN ZACHMAN FRAMEWORK DALAM MERANCANG SISTEM PELAPORAN
KERUSAKAN KOMPUTER. Andika Agus Slameto, Ema Utami, Abas Ali Pangera.
17-27
IMPLEMENTASI ALGORITMA ONE TIME PAD PADA PENYIMPANAN DATA BERBASIS
WEB. Hengky Mulyono, Rodiah.
17-35
MENCARI MODEL PELAPORAN INFORMASI KEUANGAN PERUSAHAAN BERBASIS WEB.
Sasongko Budisusetyo, Luciana Spica Almilia.
17-41
SISTEM INFORMASI ADMINISTRASI KESISWAAN PADA SMK BHAKTI KARYA 1
MAGELANG BERBASIS MULTIUSER. Astri Wuragil, Wiwit Supriyanti, Yusuf Sutanto.

17-49

PERANCANGAN CUSTOMER RELATIONSHIP MANAGEMENT (CRM) PADA SISTEM
INFORMASI PARIWISATA LOMBOK.
Tri Yuliati, Lailatul Mufarokhah, Sigit Setiyanto, Arwendra Adi Putra, Didi Apriansa.
17-57
PENERAPAN EXECUTIVE INFORMATION SYSTEM PADA PENDIDIKAN ANAK USIA DINI.
Irene Ursula, Oleh Soleh, Dyah Ayu Arditya.
17-65
PENERAPAN SMS GATEWAY PADA E JOURNAL SEBAGAI MEDIA NOTIFICATION.
Oleh Soleh, Arfiah, Ayutifani, Irene Ursula.

17-71

SISTEM INFORMASI PENGELOLAAN TRANSPORTASI PENGIRIMAN BBM PADA PT.
RATAH INDAH SAMARINDA. Bartolomius Harpad, Salmon.
17-77
PERANCANGAN APLIKASI RESERVASI RUANGAN KELAS DI PENGAJARAN STMIK
AMIKOM YOGYAKARTA. Yuli Astuti..
17-83
PENYEWAAN ONLINE UNTUK PAKAIAN TRADISIONAL INDONESIA. Lely Prananingrum,
S.Tiwi Anggraini, Rina Noviana, Siti Saidah.
17-87

xix


ISSN: 2302-3805

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN BAGIAN KEPEGAWAIAN PADA SMK
MUHAMMADIYAH 1 BATURETNO. Aullya Rachmawati.
17-93
METODE PENENTUAN SEBUAH ENTITAS DALAM SUATU DOKUMEN UNTUK
PEMODELAN DATA DENGAN ERD. Armadyah Amborowati.

17-99

RE-ENGINEERING SISTEM INFORMASI PERPUSTAKAAN PADA PERPUSTAKAAN
DAERAH KOTA TANGERANG.
Dina Fitria Murad, Muhamad Irsan, Toni Saputra, Ade Irma
17-103
SISTEM INFORMASI PENJUALAN SPARE PARTS PADA UD. NUSANTARA JAYA
SAMARINDA. Heny Pratiwi, Ekawati Yulsilviana, Siti Qomariah.

17-109

RANCANG BANGUN SISTEM INFORMASI PEMBUATAN SURAT IZIN GANGGUAN (SIG)
DENGAN METODOLOGI BERORIENTASI OBJEK (STUDI KASUS : KANTOR PELAYANAN
PERIZINAN TERPADU KOTA PANGKALPINANG).
Melati Suci Mayasari, Ibnu Choirul Awwal.
17-115
RANCANG BANGUN SISTEM INFORMASI PENJUALAN TUNAI PADA CV. SUZUKI
SERVICE CENTRE SUNGAILIAT. Anisah, Fitriyanti.
17-121
MEMBANGUN SISTEM INFORMASI PEMBELIAN TUNAI PADA TOKO UD. ATHA VICASIA
DENGAN METODOLOGI BERORIENTASI OBJEK.
Anisah, Fitriyanti.
17-127
EVALUASI PENGENDALIAN SISTEM INFORMASI AKADEMIK MENGGUNAKAN
FRAMEWORK COBIT 4.1. (STUDI KASUS STMIK AMIKOM YOGYAKARTA).
Sudarmawan, Robert Marco, Tri Susanto.
17-133
APLIKASI SISTEM INFORMASI MANAJEMEN PENANGGULANGAN PASCA BENCANA.
Rikie Kartadie, Firman Asharudin, Tommi Suryanto, Prayudha Wibi Hascarya,L.B.Finansius
Mando,Abdul Rajab A,Arif Syam.
17-137
EVALUASI TERHADAP SISTEM INFORMASI DI STMIK AMIKOM MENGGUNAKAN
TECHNOLOGY ACCEPTANCE MODEL (TAM).
Tri Susanto, Sudarmawan, Robert Marco.
17-143
ANALISIS DATABASE SYSTEM PENYUSUNAN NILAI RAPORT SMA KURIKULUM 2013.
Ike Verawati
17-147
APLIKASI SISTEM INFORMASI LAPORAN PENGGAJIAN GURU HONOR BERBASIS WEB
PADA SMA NEGERI 6 TANGERANG.
Muhammad Rachman Mulyandi, Monica, Ega Mawarni, Arfiah, Liya Jayanti
17-153
PENGUKURAN USABILITY APLIKASI SISTEM INFORMASI MANAJEMEN ZAKAT
TERINTEGRASI (SIMZAKI) MENGGUNAKAN PARTIAL LEAST SQUARE (PLS)
Lutfiyah Dwi Setia
17-159

xx


ISSN: 2302-3805

APLIKASI INFORMASI AKADEMIK BERBASIS WIRELESS APLICATION PROTOCOL PADA
SMA IT ABU BAKAR. Sumarni Adi, Sudarmawan
17-165
SISTEM INFORMASI MANAJEMEN CAIRAN INFUS
Suluh Argo Pambudi, Rohadi Makmur, Parjono

17-173

SISTEM INFORMASI LAPORAN KEUANGAN KOPERASI SIMPAN PINJAM BERSTANDAR
AKUNTANSI KEUANGAN. Dara Kusumawati
17-179
DASHBOARD SISTEM INFORMASI KEUANGAN DALAM MENDUKUNG PROSES
PENGAMBILAN KEPUTUSAN. Meta Amalya Dewi, Suliyanih, Juni Marlieana

17-185

SISTEM OTOMATIS PENCATAT PENGUNJUNG PERPUSTAKAAN BERBASIS TEKNOLOGI
ELEKTRONIKA (Studi Kasus di Universitas Katolik Widya Mandala Surabaya)
Samuel Ongkowijoyo
17-191
SISTEM INFORMASI PRODUKSI BATUBARA PADA PT SURYA DINAMIKA LESTARI
Ita Arfyanti
17-197
PERANCANGAN PEMANFAATAN SMS GATEAWAY UNTUK PENINGKATAN PELAYANAN
BAAK STMIK WIDYA CIPTA DHARMA.
Siti Qomariah, Ekawati Yulsilviana, Heny Pratiwi
17-203
PENDETEKSIAN PANTULAN SINAR DI AREA SERVIKS PADA CITRA SERVIKOGRAFI
Onny Marleen, Sigit Wibisono
17-209
KONTRIBUSI SISTEM INFORMASI PENGGAJIAN SYARI’AH DALAM MEMBANGUN
MOTIVASI KERJA KARYAWAN.
Muhammad Taufiq, Mohammad Suyanto, Emha Taufiq Luthfi
17-215

18. Intelligent System
KONTROL PERGERAKAN PADA SELF POSITIONING COOPERATIVE MOBILE ROBOT
UNTUK APLIKASI “FOLLOW THE LEADER”.
Rizky Yuniar Hakkun, Endah Suryawati N, Ali Husein Alatsiry
18-1
PENGENDALIAN PERSEDIAAN BAHAN BAKU MENGGUNAKAN METODE ECONOMIC
ORDER QUANTITY. Ahmad Bagus Setiawan
18-7
MEMBANGUN CHATBOT BERBASIS AIML DENGAN ARSITEKTUR PENGETAHUAN
MODULAR Bayu Setiaji, Ema Utami, Hanif Al Fatta.
18-15
RANCANG BANGUN APLIKASI RUTE TERPENDEK TEMPAT WISATA MENGGUNAKAN
FLOYD WARSHALL . Rasyid Liwang, Alb. Joko Santoso, F. Sapty Rahayu
18-21
PENCARIAN SEMANTIK DOKUMEN BERITA MENGGUNAKAN ESSENTIAL DIMENSION OF
LATENT SEMANTIC INDEXING DENGAN MEMAKAI REDUKSI FITUR DOCUMENT
FREQUENCY DAN INFORMATION GAIN THRESHOLDING.
Yuita Arum Sari, Eva Yulia Puspanigrum
18-27

xxi


ISSN: 2302-3805

RANCANG-BANGUN BUSINESS INTELLIGENCE PADA PERPUSTAKAAN SEKOLAH STUDI
KASUS DI SMP NEGERI 1 CISOKA .
Aris Martono, Ferry Sudarto, Deden Rustiana, Nina Rahayu
18-33
HYBRID ARTIFICIAL BEE COLONY: PENYELESAIAN BARU POHON RENTANG BERBATAS
DERAJAT. Abidatul Izzah, Ratih Kartika Dewi, Siti Mutrofin.
18-39
ALGORITMA GENETIK TABU SEARCH DAN MEMETIKA PADA PERMASALAHAN
PENJADWALAN KULIAH. Moh. Ali Albar

18-45

SISTEM REKOMENDASI TAG PADA DOKUMEN BLOG MENGGUNAKAN LATENT
SEMANTIC INDEXING. Lailil Muflikhah, Nurul Fadilah, Achmad Ridok.

18-51

19. Multimedia Application
IMPLEMENTASI MULTITHREADING PROGRAMMING CONCEPT UNTUK EFISIENSI PROSES
STEGANOGRAFI METODE LSB. Paskalis Andrianus Nani..
19-1
APLIKASI KIOS SEBAGAI SARANA KRITIK DAN SARAN DENGAN JARINGAN LOKAL
AREA NETWORK DI CUSTOMER SERVICE PT. INDOSAT. TBK YOGYAKARTA.
Tonny Hidayat.
19-7
KINERJA JARINGAN HSDPA PADA APLIKASI MULTIMEDIA STREAMING.
Orita Dwi Purbiyanti, Maria Y Aryati, Abdah Muthiah Rahmania.

19-13

PENGENALAN BUDAYA SUMATERA UNTUK ANAK-ANAK MELALUI ELEARNING
BERBASIS MULTIMEDIA. Parno, Puji Sularsih, Dharmayanti, Jamaris, Swesti Mahardini 19-21

20. Mobile Application
APLIKASI BELAJAR MEMBACA IQRO’ BERBASIS MOBILE.
Muhammad Sobri, Leon Andretti Abdillah.

20-1

RANCANG BANGUN APLIKASI ANDROID UNTUK PEMETAAN RUMAH SAKIT DI KOTA
DEPOK. Dharmayanti, Fitrianingsih, Parno, Eko Putra, Andhika Prakasa Kasma
20-7
APLIKASI FRIEND TRACKER BERBASIS ANDROID SMARTPHONE MENGGUNAKAN GPS
TRACKING. Wahyu Kusuma, Tity Septiani.
20-13
APLIKASI MOBILE PEMANDU WISATA WILAYAH KOTA MALANG BERBASIS J2ME.
Intan Nur Farida
20-19
INFORMASI KAMPUS BERBASIS WEB PADA ANDROID .
Budi Utami Fahnun, Rina Noviana, Lely Prananingrum, Enlik Tjioe.

20-25

APLIKASI INFORMASI TABEL PERIODIK UNSUR KIMIA BERBASIS ANDROID.
Yulia Chalri, Hasma Rasjid, Thariq Basyir

20-33

xxii


ISSN: 2302-3805

APLIKASI MOBILE PENGENALAN CITRA MENGGUNAKAN METODE LEARNING VECTOR
QUANTIZATION. Irawan Afrianto, Devi Priatama.
20-39
PEMODELAN APLIKASI INTEGRATED LEARNING SYSTEM BERBASIS MOBILE.
Henderi, Junaidi, Riski Amalia.

20-45

APLIKASI KONVERSI VIDEO BERBASIS WEB UNTUK KLIEN MOBILE DEVICE ANDROID
Farisqi Panduardi, Achmad Affandi.
20-51

21. Network Security
ANALISIS DAN PERANCANGAN SISTEM MANAJEMEN NETWORK BERBASIS VIRTUAL
LOCAL AREA NETWORK (STUDI KASUS : PT. SUMBERTAMA NUSA PERTIWI).
Herti Yani, Pareza Alam Jusia, Hetty Rohayani. AH
21-1
PHYSICAL LAYER NETWOK CODING UNTUK KANAL RELAY DUA ARAH.
Firman Hadi Sukma P.

21-7

LOKALISASI SUMBER PASIF PADA WSN MENGGUNAKAN HYBRID DOA/TDOA DALAM
LINGKUNGAN MULTIPATH. Firman Hadi Sukma P, Mukminatun Ardaisi.
21-13
SISTEM DETEKSI INTRUSI PADA JARINGAN DENGAN MENGGUNAKAN METODE KNEAREST NEIGHBOR DAN TEORI DEMPSTER SHAFER.
Akhmad Alimudin, Waskitho Wibisono, Diana Purwitasari
21-21
EVALUASI KINERJA CLUSTER-BASED KEY MANAGEMENT PADA MANET UNTUK
KOMUNIKASI TAKTIS KAPAL PERANG.
Dinar HS Wahyuni, Gamantyo Hendrantoro
21-27
IMPLEMENTASI PROXY SEVER MENGGUNAKAN DHCP SERVER BERBASIS LINUX
UBUNTU PADA JARINGAN INTERNET SEBAGAI FILTER DAN SECURITY.
Seto Febriantoro, Agus Ganda Permana, Tengku A Riza.
21-33
PERANCANGAN DAN PENGEMBANGAN KEAMANAN JARINGAN ENTERPRISE DENGAN
VPN. A. Donny Mahendra, Ema Utami, Abas Ali Pangera.
21-39

22. Neural Network
OPTIMASI PREDIKSI KEHADIRAN PEGAWAI UNTUK INTENSIF KEHADIRAN
MENGGUNAKAN JARINGAN SARAF TIRUAN-BACKPROPAGATION.
Jamaludin Hakim, Sri Hartati.

22-1

PENGENALAN TUTUR TERISOLASI DALAM BAHASA INDONESIA MENGGUNAKAN
MFCC, FCM, DAN ANFIS. Utis Sutisna, Risanuri Hidayat, Litasari.
22-7

xxiii


ISSN: 2302-3805

23. Risk Management
RISK ASSESSMENT DAN BUSINESS IMPACT ANALYSIS SEBAGAI DASAR PENYUSUNAN
DISASTER RECOVERY PLAN (STUDI KASUS DI STMIK AMIKOM YOGYAKARTA).
Mardhiya Hayaty, Abidarin Rosidi, M.Rudyanto Arief.
23-1

24. Semantic
ONTOLOGY MAPPING FOR ERP BUSINESS PROCESS VARIATIONS.
Anang Kunaefi, Riyanarto.

24-1

25. Software Engineering
MODEL ELEMEN RANGKAIAN LISTRIK DAN PENYELESAIANNYA UNTUK PROGRAM
SIMULASI. Hari Sutiksno, Francisca H. Chandra, Anastasia Savitri, Setya Ardhi
25-1
SISTEM KEAMANAN DATA PADA WEB SERVICE MENGGUNAKAN XML ENCRYPTION.
Ari Muzakir
25-7
PERBAIKAN METODE STANFORD RECOGNIZING TEXTUAL ENTAILMENT PADA KALIMAT
MENGANDUNG ARITMATIKA.
Rakhmat Arianto, Daniel Oranova Siahaan, Ahmad Saikhu
25-13

26. Strategic Information System
PENGUKURAN TINGKAT MODEL KEMATANGAN PROSES COBIT MENGGUNAKAN
APLIKASI BERBASIS WEB (STUDI KASUS DI STMIK AMIKOM YOGYAKARTA).
Arif Dwi Laksito, Kusrini, Emha Taufiq Luthfi.
26-1
PENGUKURAN TINGKAT KEMATANGAN TATA KELOLA TI DENGAN MENGGUNAKAN
CONTROL OBJECTIVE ACQUIRE AND IMPLEMENT PADA FRAMEWROK COBIT STUDI
KASUS SEKOLAH TINGGI XYZ. Rizqi Sukma Kharisma, Kusrini, Emha Taufiq Luthfi
26-7
PENYUSUNAN STRATEGI PENINGKATAN KINERJA MENGGUNAKAN BALANCED SCORE
CARD DAN COBIT (STUDI KASUS STMIK AMIKOM YOGYAKARTA).
Enny Susana, Asro Nasiri.
26-13

27. Web Application
PENGEMBANGAN WEBSITE ALUMNI REGISTRATION BERBASIS MOBILE PADA
UNIVERSITAS BINA DARMA PALEMBANG. Usman Ependi.

27-1

INTEGRASI INFORMASI PENELITIAN PADA PERPUSTAKAAN PERGURUAN TINGGI
BERBASIS WEB SERVICE. Andik Wijanarko, Irya Wisnubhadra, Benyamin L Sinaga
27-7

xxiv


ISSN: 2302-3805

MANAJEMEN KONTEN DIGITAL SEBAGAI MEDIA PROMOSI DAN PUBLIKASI BERBASIS
WEB PADA STMIK AMIKOM YOGYAKARTA. Afif Bimantara, Rhomita Sari.
27-13
PERANCANGAN SISTEM INFORMASI PENJUALAN VOUCHER PULSA CELLULER
ONLINE BERBASIS N-TIER. Kartini, Andri Madani, Faisal Amry.

27-19

PERANCANGAN SISTEM INFORMASI PEMESANAN TIKET KONSER MUSIK ONLINE
BERBASIS LOKASI. Kartini, Budi Utami Fahnun, Dewi Pratiwi.
27-25

28. Customer Relatioship Management
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PENGGUNAAN MEDIA FACEBOOK.
Nyimas Sopiah
28-1
PENERAPAN CUSTOMER RELATIONSHIP MANAGEMENT DENGAN DUKUNGAN
TEKNOLOGI INFORMASI PADA PO. CHELSY.
Albertus Januaris Kundre, Irya Wisnubadhra, Thomas Suselo

28-7

29. E-Government
SURVEY: CITIZEN-CENTRIC INFORMATION SYSTEMS DENGAN MODEL PARTISIPASI DI
BEBERAPA NEGARA. Vitri Tundjungsari.
29-1
ANALISIS FAKTOR – FAKTOR YANG BERPENGARUH TERHADAP EFEKTIVITAS
PENERAPAN E-GOVERNMENT DENGAN MENGGUNAKAN METODE UTAUT (UNIFIED
THEORY OF ACCEPTANCED USE OF TECHNOLOGY) DI KOTA PALEMBANG.
Ery Hartati.
29-7

30. Technopreneur
ANALISIS STUDI KELAYAKAN BISNIS RT/RW NET (STUDI KASUS : DESA REJAMULYA
CILACAP). Masrudin.
30-1

xxv

ISSN : 2302-3805


CAMERA TRACKING AKIBAT MEMBUANG SAMPAH
SEMBARANGAN MENGGUNAKAN BLENDER 2.62
DAN VOODOO
Rina Noviana 1), Lely Prananingrum 2), Budi Utami Fahnun 3)
1,2,3)
Sistem Informasi Universitas Gunadarma Depok
Jl. Margonda Raya 100 Depok , Jawa Barat
email : rina_n@staff.gunadarma.ac.id

1)

,lely_p@staff.gunadarma.ac.id 2),bufahnun@staff.gunadarma.ac.id 3)

lingkungan melalui
suatu media yang menarik,
interaktif dan mudah di pahami.
Dengan
berkembangnya
teknologi,
maka
berkembang pula media pembelajaran yang ada di
masyarakat. Media pembelajaran yang dapat
dikembangnkan dapat berupa suatu animasi atau film
pendek yang merupakan suatu pilihan .. Berdasarkan
hal tersebut dibuatlah suatu media interaktif berupa
film pendek, yaitu camera tracking animasi akibat
membuang sampah sembarangan menggunakan blender
2.62 dan voodoo. Ini dimaksudkan agar masyarakat
dapat lebih mudah mengerti akan pentingnya menjaga
kebersihan dan dampak yang akan terjadi jika
membuang sampah sembarangan.
Animasi ini dibuat menggunakan aplikasi Blender
2.62 dan Voodoo. Aplikasi Blender 2.62 berfungsi
untuk membuat karakter 3 dimensi, dan dalam
penerapannya karakter tersebut dapat dijadikan sebuah
animasi seperti berjalan, melompat, dan lain sebagainya.
Sedangka aplikasi Voodoo digunakan untuk camera
tracking Dalam ruang lingkup tiga dimensi.
Dalam Pembuatan animasi proses atau langkah
nya antara lain menentukan urutan setiap frame yang
akan ditampilkan, pembuatan karakter, proses texturing
, proses pembuatan armature, rigging, weight painting ,
pose , shape key untuk rig face sederhana, camera
tracking untuk setting camera pada objek tiga dimensi,
penyatuan scene, compositing dan video editing.
Resolusi dari hasil video yang dihasilkan hanya
mencapai 800 x 600 pixel serta menggunakan beberapa
tools yg ada pada Blender 2.62 dan voodoo.
Animasi yang dihasilkan ditujukan untuk usia 10
tahun ke atas.

Abstrak
Camera Tracking Animasi akibat membuang
sampah sembarangan dibuat dengan menggunakan
Aplikasi Blender 2.62, aplikasi Voodoo dan penggunaan
Ulead video studio 11.0. Bertujuan memberikan
pengetahuan tentang pentingnya menjaga kebersihan
lingkungan dengan tidak membuang sampah
sembarangan. Dengan berkembangnya teknologi
dibutuhkan suatu media yang menarik, interaktif dan
mudah dipahami. Karena saat ini media pembelajaran
juga semakin berkembang di masyarakat. Media
pembelajaran berupa Film Animasi merupakan salah
satu media yang dapat diterapkan untuk penyampaian
pesan kepada masyarakat agar selalu menjaga
kebersihan lingkungan dengan membuang sampah tidak
sembarangan .Aplikasi Blender 2.62 dan Voodoo
merupakan suatu aplikasi open source. Aplikasi Blender
berfungsi untuk membuat karakter 3 dimensi, dan
karakter tersebut dapat dijadikan animasi seperti
berjalan, melompat dan lainnya. Sedangkan aplikasi
Voodoo digunakan untuk melakukan camera tracking
yaitu bagaimana suatu camera dalam obyek 3 dimensi
mengikuti pergerakan camera asli yang dilakukan
seseorang dalam proses perekaman. Sedangkan Ulead
video studio 11.0 sebagai software video editing untuk
membuat high-quality HD, slide shows, standard
definition movies.
Kata kunci : Camera Tracking , Animasi, Blender
2.6.2,Voodoo.

1.

Pendahuluan

Pengetahuan tentang
kebersihan lingkungan
seharusnya sudah tertanam di jiwa masyarakat, sehingga
masyarakat mematuhi agar tidak membuang sampah
sembarangan . Karena membuang sampah sembarangan
akan mempunyai dampak yang dapat merusak
lingkungan sekeliling. Seperti terjadinya banjir,
menumpuknya sampah, dan timbulnya banyak penyakit.
Masyarakat dapat menciptakan lingkungan yang indah
dan bersih tanpa adanya sampah dengan memberikan
pengetahuan tentang pentingnya menjaga kebersihan

2. Tinjauan Pustaka
Secara keseluruhan, jenis film animasi tri matra
menggunakan teknik runtun kerja yang sama dengan
jenis film animasi dwi matra, Perbedaannya, objek
animasi yang dipakai dalam wujud tri matra
memperhitungkan karakter objek animasi, sifat bahan
yang dipakai, waktu, cahaya dan ruang. [4]

01-1

ISSN : 2302-3805


Keterangan Gambar 1:
a. Panel info : berisi menu diantaranya file, add, render,
help juga berisi menu untuk merubah tampilan dan
scene, serta pilihan engine dari aplikasi Blender.
b. Object tools : Berisi menu yang diantaranya
digunakan untuk merubah tampilan dari object tiga
dimensi
c. 3D view : Digunakan untuk melihat, dan membuat
tampilan dari objek tiga dimensi yang kita bentuk
d. Outliner : Digunakan untuk membatasi object tiga
dimensi seperti menghide objek tiga dimensi, menghide
untuk seleksi objek, dan menghide objek yang ingin di
Render
e. Properties : Digunakan untuk mengatur object tiga
dimensi diantaranya menu render, scene, world, objects,
object constraint, modifier, object data, material,
texture, particle, physic

Animasi tiga dimensi
Untuk menggerakkan benda tri matra, walaupun itu
mungkin, cukup sulit untuk melaksanakannya karena
sifat bahan yang dipakai mempunyai ruang gerak yang
terbatas. Tidak seperti jenis film animasi gambar,
bebas melakukan berbagai gerakan yang diinginkan. [3]
Prinsip Animasi
Saat ini animasi tidak asing lagi terdengar di
telinga kita, begitu banyak film animasi yang beredar di
masyarakat luas, tapi banyak juga orang yang belum
mengerti secara detail tentang apa itu animasi. Animasi
adalah suatu teknik menampilkan gambar secara terurut
sehingga orang yang menyaksikan merasakan adanya
gerakan pada gambar yang ditampilkan.
Selain dari pendefinisian animasi, animasi
juga memiliki beberapa prinsip. prinsip ini merupakan
aspek-aspek yang penting dalam pembuatan sebuah
animasi. Ada 12 Prinsip animasi diantaranya sebagai
berikut [3] [4] :
a. Pose dan gerakan antara
b. Pengaturan waktu (Timing)
c. Gerakan sekunder (Secondary Action)
d. Akselerasi (Ease In and Out)
e. Antisipasi (Anticipation)
f. Gerakan lanjutan & perbedaan waktu gerak
g. Gerakan melengkung (Arc)
f. Dramatisasi gerakan (Exaggeration)
g. Squash & Stretch
h. Penempatan di bidang gambar (Staging)
i. Daya tarik karakter (Appeal)
j. Penjiwaan Karakter

Viewport Blender 2.62
Viewport merupakan tempat untuk melihat dan
membuat objek tiga dimensi, ada beberapa tampilan
yang ditampilkan pada aplikasi ini diantaranya left
ortho, right ortho, bottom ortho, top ortho, back, front,
dan perspective. [5]
Adding Mesh
Mesh merupakan sub menu yang digunakan untuk
menginput objek 3 dimensi diantaranya :plane, cube,
circle, uv sphere, icosphere, cylinder, cone, grid,
monkey, dan torus.
Membuat Objek Tiga Dimensi Sederhana
Untuk membuat objek tiga dimensi kita bisa mengklik add , lalu klik mesh dan pilih objek yang ingin
dibuat. Gambar 2 dibawah ini adalah objek tiga dimensi
yang dapat dimasukan ke dalam viewport Blender 2.62.

Lingkungan Kerja
Berikut pembahasan mengenai tools yang ada pada
Blender 2.62 , Voodoo & Ulead Video Studio 11.0

Lingkungan Kerja Blender 2.62
Tampilan awal pada Blender terbagi menjadi
beberapa bagian diantaranya panel info, object tools,
outline, properties, timeline, 3d View[1].[5]. Gambar 1
adalah tampilan awal pada Blender :.

Gambar2. Add mesh pada blender 2.62

Lingkungan Kerja Voodoo
Untuk Voodoo, aplikasi ini hanya memiliki bagian pada
tampilan awalnya yang terlihat pada Gambar 3,
diantaranya menu bar, menu play video, dan menu
tracking.

Gambar 1. Tampilan awal blender

01-2


ISSN : 2302-3805

Studi Lapangan :
Metode Pengumpulan Data : Pada tahap ini
penulis mengumpulkan data yang diperlukan untuk
merancang aplikasi ini dengan cara mendownload,
memodifikasi gambar, dan scanning gambar yang
diambil dari buku. Penulis menyertakan kuesioner
untuk mencari tahu apakah aplikasi ini dapat digunakan
dengan mudah serta bermanfaat bagi pengguna.
Metode Perancangan Aplikasi: Penulis memilih
metodologi SDLC (Systems Development Life Cycle)
dengan menggunakan model Waterfall. Model
Waterfall adalah metode pengembangan software yang
bersifat sekuensial dan terdiri dari tahap-tahap yang
saling terkait dan mempengaruhi seperti terlihat pada
gambar 4. Tahapan-tahapan tersebut, yaitu :

Gambar 3 Tampilan awal voodoo

Berikut ini merupakan bagian tools Voodoo
Menu Bar : berisi kumpulan kumpulan perintah
diantaranya menu file, view dan help.
Menu Play Video : Berisi tombol tombol yang
digunakan untuk review video
Menu Tracking Video : Berisi batas batas frame dan
tombol untuk memulai tracking
Pengenalan Ulead Video Studio 11.0
Ulead Video Studio 11.0 merupakan sebuah
software video editing all in one yang dapat digunakan
untuk membuat high-quality HD dan standarddefinition movies, slide shows dan DVDs. Ulead Video
Studio 11.0 memiliki kelebihan, diantaranya sebagai :
Complete video solution, Easy and powerful video
editing ,Creative control of , End-to-end HD, Includes
Corel ® WinDVD® video playback software
Ulead video studio 11.0, aplikasi ini hanya
memiliki bagian pada tampilan awalnya, diantaranya
menu bar, Panel/ step toolbar, gallery, option, timeline,
tombol navigasi.
Bagian - bagian dari lembar kerja ulead video
studio 11.0 :
Menu bar berisi kumpulan perintah utama dari
ulead video studio 11.0. yaitu, file, edit dan tools.
Panel/ step toolbar berisi langkah – langkah
perancangan video. Mulai dari capture, edit, effect,
overlay, title, audio, share.
Gallery berisi video, image, audio, transisi, yang
telah di-upload dalam gallery.
Option panel yaitu pilihan untuk melakukan
perubahan atau setting dari objek yang anda pilih dalam
gallery
Timeline digunakan untuk menyusun dan
merancang video.
Tombol navigasi, terdiri dari : tombol untuk
menjalankan video dan memotong video.

Gambar 4. SDLC dengan waterfall mode

Berikut penjelasan dari tahap-tahap waterfall yang
digunakan yaitu:
Perencanaan sistem (system Enginering)
Tahap ini sangat dibutuhkan karena dalam
pembuatan aplikasi diperlukan pencarian atas apa yang
diperlukan oleh sistem. Dari kebutuhan sistem itu
diterapkan kedalam aplikasi yang dibuat.
Analisis sistem
Pada tahap ini dilakukan pengumpulan data terhadap
aplikasi yang akan dibuat. Dengan cara memahami
dasar dari program yang akan dibuat, diantaranya
mengetahui ruang lingkup informasi, fungsi-fungsi yang
dibutuhkan, kemampuan kinerja yang ingin dihasilkan
dan perancangan antar muka pemakai aplikasi.
Desain atau perancangan sistem
Perancangan sistem merupakan tahap yang
memfokuskan pada empat bagian penting, yaitu:
Struktur data, arsitektur piranti lunak, detail prosedur,
dan karakteristik antar muka pemakai.
Penerapan / implementasi
Tahap ini adalah penerapan koding untuk
pembuatan aplikasi. Pada aplikasi ini penulis
mengimplementasikannya dalam bahasa pemrograman

3. Metode Penelitian
Metode yang digunakan dalam penulisan ini, yaitu:

Perawatan sistem
Tahap ini dilakukan saat aplikasi sudah digunakan
oleh pengguna. Bila terdapat kesalahan pada aplikasi
maka akan dilakukan perubahan terhadap aplikasi.

Studi Pustaka : Pada tahap ini penulis menentukan
aplikasi yang akan dibuat dan melakukan studi pustaka
seperti mencari informasi yang berhubungan dengan
pembuatan aplikasi baik dari buku ataupun browsing
melalui internet.
01-3


ISSN : 2302-3805

penghapusan bagian yang tidak penting, memperkecil
jumlah vertex dan mempercepat kinerja hasil dari
rendering.

Spesifikasi Perangkat yang dibutuhkan
Spesifikasi hardware yang digunakan antara lain:
Intel(R) Core ™ 2 Duo T6600 @ 2.20 Ghz
Memory (RAM) 2 GB
Kartu Grafis Sis Mirage 3 Graphics 256 Mb
HDD 250 Gb
Handphone Samsung Galaxy Y S5360

Texturing Karakter
Menjelaskan tentang texturing untuk karakter 3
dimensi. Didalamnya terjadi proses pemberian warna
dan texture untuk karakter yang dianimasikan.

Spesifikasi Software antara lain:
System Operasi Windows XP
Blender 2.62
Voodoo
Ulead Videostudio 11

Proses Pembuatan Armature
Armature adalah salah satu kemampuan aplikasi
blender 2.62 untuk membuat kerangka tubuh manusia
yang nantinya akan dilanjutkan untuk proses rigging
dan pergerakan karakter.

4. Perancangan dan Implementasi
Rigging Karakter
Adalah Proses penyatuan karakter 3 dimensi
dengan armature yang telah dibuat. Proses nya adalah
Menyiapkan Karakter tiga dimensi,Menyiapkan
Armature untuk karakter 3 dimensi, Proses Rigging
atau penyatuan armature, karakter 3 dimensi, Test
pose. Lihat gambar 6 dibawah ini :

Perancangan dan implementasi dilakukan melalui
beberapa langkah dalam bentuk alur kerja animasi ada
pada Gambar 5 dibawah ini :

Gambar 5. Alur Kerja Animasi

Konsep Karakter
Dalam pembuatan karakter untuk sebuah
animasi, konsep dari karakter merupakan organ yang
sangat penting. Dalam hal ini dibuat 2 karakter yaitu
karakter Toni dan Dino. Toni adalah karakter yang
mempunyai sifat cuek, yang berperan sebagai orang
yang membuang sampah sembarangan. Sedangkan Dino
adalah orang yang memiliki sifat cinta akan lingkungan
yang berperan sebagai orang yang menasehati Toni.

Gambar 6 Karakter Dino dan Karakter Toni

Weight Painting Karakter pada Blender 2.62
Suatu proses pembatasan pose antara Mesh dan
armature dalam sebuah karakter. Juga untuk membatasi
transformasi yang berlebihan dari transformasi bone
pada karakter 3 dimensi.

Storyboard dan Penulisan Naskah
Storyboard adalah gambaran scene scene secara
umum dari animasi yang ingin dibuat. Dalam animasi
ini dibuat ada 15 scene.

Rig Face Sederhana
Proses membuat ekspresi wajah dalam karakter 3
dimensi.
Pose Library
Digunakan sebagai cara untuk menyimpan pose
yang sering digunakan, sehingga dapat dengan cepat
diakses dan diterapkan. Hal ini berguna untuk
membantu menjaga konsistensi dan mempercepat
proses animasi.

Modelling Karakter
Merupakan proses pembuatan karakter yang akan
dianimasikan, yaitu :
Tahap 1: Menyiapkan gambar wajah dari tampak
depan dan samping dan gambar karkter dari tampak
depan dan samping serta menyiapkan gambar karakter
untuk bagian tangan.
Tahap 2 : Tracing/ pembuatan karakter menggunakan
Mesh dan beberapa modifier.
Tahap 3 : Proses pembuatan kostum karakter
Tahap 4 : Tahap ini dilakukan finishing dari tiap
karakter. Dengan melakukan perapihan seperti
01-4

ISSN : 2302-3805

Melakukan Camera Tracking
Adalah Proses pemindahan pergerakan camera
asli kedalam scene 3 dimensi dengan menggunakan
aplikasi voodoo.

Rendering
Proses menghasilkan gambar dari suatu model.
Dalam hal ini hasil rendering disimpan dalam bentik
AVI JPEG dengan quality terbaik.

Penyatuan Scene Asli dengan Scene 3D
Melakukan Penyatuan antara scene asli dengan
scene 3 dimensi. Terdapat pada Gambar 7 & Gambar 8

Penyatuan Sound dan Video
Proses ini untuk penyatuan antara sound dan
video menggunakan software Ulead video studio 1.0.

Finishing Video Animasi Camera Tracking
Pada proses ini dilakukan finishing video animasi
dengan cara menggabungkan scene yang telah
sebelumnya dilakukan proses penyatuan sound dan
video. Karena proses penyatuan sound dan videonya
dilakukan secara terpisah dengan proses finishing dari
camera trackingnya.

Gambar 7 Karakter Toni scene 3D

5. Kesimpulan dan Saran
Penggunaaan Aplikasi Blender 2.62 sangat mudah,
tampilan yang dinamis blender juga memiliki shortcut
yang mudah diingat, memiliki fitur yang banyak dan
menarik.
Animasi ini berformat *.mpg agar dapat dijalankan
disemua media player. Tujuan yang diharapkan dari
video animasi ini adalah agar pesan dari animasi video
camera tracking ini dapat dipahami dan diterima oleh
masyarakat umumnya. Hasil Rendering dapat
ditingkatkan dengan menaikan resolusi pixel nya.

Gambar 8 Karakter Dino scene 3D
Compositing
Compositing adalah proses untuk melakukan
editing pada gambar secara menyeluruh yang nantinya
akan menjadi sebuah image atau animasi. Dalam Proses
ini dibuat 3 layer input untuk compositing yaitu layer
pertama tampilan image sequence, layer kedua lantai
akan menerima bayangan, layer ketiga obyek tiga
dimensi. Sebagai Contoh hasilnya ada pada Gambar 9
dan Gambar 10.

Daftar Pustaka
[1] Abdul Razaq, Ispantoro. 2011, The Magic of
MOVIE EDITING : Cara Kreatif Mengedit
Video. Depok : MediaKita
[2] Arbi Pramana,CT Video animasi menggunakan
Blender 2.62 , Voodoo, Univ. Gunadarma, 2012
[3] Ibis Fernandez McGraw- Hill, Osborn, Macromedia
Flash Animation & Cartooning: A creative Guide,
California, 2002
[4] URL :
http://wartawarga.gunadarma.ac.id/2010/04/pri
nsip-dasar-animasi-karakter, 20 April 2010
[5] URL :
http ://wiki.blender.org/index.php/Doc:2.6/
Manual, Oktober 2011
[6] URL :
http://www.youtube.com/watch?v=86JiuZpbi_w
, 5 oktober 2011
[7] URL :
http://www.youtube.com/watch?v=ewy3QfERQi
k, 30 Desember, 2007
[8] URL : http://www.cpubenchmark.net/
[9] URL : http://www.liutilities.com/device-driver/sismirage-3-graphics/

Gambar 9 Hasil Compositing

Gambar 10 Hasil Compositing

01-5


Biodata Penulis
Rina Noviana memperoleh gelar Sarjana Komputer (SKom),
Program Studi Ilmu Komputer Universitas Gunadarma, lulus
tahun 1992. Tahun 1996 memperoleh gelar Magister Sistem
Informasi (MMSI) dari Program Magister Manajemen. Saat
ini sebagai Staf Pengajar program Sitem Informasi,
manajemen Informatika dan Teknik Informatika Universitas
Gunadarma Depok – Jawa Barat
Lely Prananingrum memperoleh gelar Sarjana Komputer
(SKom), Program Studi Ilmu Komputer Universitas
Gunadarma, lulus tahun 1997. Tahun 1999 memperoleh gelar
Magister Sistem Informasi (MMSI) dari Program Magister
Manajemen. Saat ini sebagai Staf Pengajar program Sitem
Informasi, manajemen Informatika dan Teknik Informatika
Universitas Gunadarma Depok – Jawa Barat
Budi Utami Fahnun memperoleh gelar Sarjana Komputer
(SKom), Program Studi Teknik Komputer Universitas
Gunadarma, lulus tahun 1992. Tahun 1998 memperoleh gelar
Magister Sistem Informasi (MMSI dari Program Magister
Manajemen. Saat ini sebagai Staf Pengajar program Sitem
Informasi, manajemen Informatika dan Teknik Informatika
Universitas Gunadarma Depok – Jawa Barat

01-6

ISSN : 2302-3805

ISSN : 2302-3805


TINGKAT PERSEPSI PENERIMAAN MAHASISWA TERHADAP
TEKNOLOGI MOTION CAPTURE DENGAN MULTI
KAMERASEBAGAI MEDIA
PEMBELAJARAN PADA PEMBUATAN ANIMASI 3D
Mei Parwanto Kurniawan
Teknik Informatika STMIK AMIKOM Yogyakarta
Jl. Ring Road Utara Condong Catur Depok Sleman Yogyakarta
email : meipkurniawan@gmail.com1), meikurniawan@amikom.ac.id2)
menjelaskan sikap daripada TPB. Lebih lanjut,
Mathieson mengemukakan bahwa walaupun secara
umum model satu tidak dapat begitu saja dikatakan lebih
baik daripada model lainnya tetapi Hubona dan Cheney
(1994) menyatakan bahwa TAM lebih mudah
menggunakannya dan sederhana untuk menjelaskan
penerimaan teknologi.[1]

Abstrak
Motion Capture adalah teknologi penangkapan
gerak baik secara real time maupun manual yang
digunakan dalam pembuatan film maupun game.
Kelebihan penangkapan gerak ini adalah hasil animasi
terlihat lebih halus menyerupai gerakan sesungguhnya.
Saat ini masih sedikit perusahaan animasi yang
menggunakan alat penangkap gerak ini karena
harganya yang sangat mahal.Pada penelitian ini dibuat
sebuah metode animasi sederhana menggunakan
pergerakan video yang diambil dengan multi kamera
dengan cara melakukan perubahan gerakkan pada
setiap frame, kemudian dilakukan penelitian untuk
mencari persepsi Mahasiswa terhadapa metode ini.

Dalam penelitian ini dilakukan pengambilan data
melalui kuesioner yang disajikan pada table 1 dengan
perhitungan statistik dan menggunakan teori TAM
sebagai teori dasar penelitian dengan menambahkan
variabel norma subyektif dari teori TRA dan kualitas
animasi sebagai variabel eksternal.

Kata kunci :
Motion Capture, pernerimaan teknologi, multi kamera.

Tabel 1. Bangunan model penelitian
N
Variabel
Indikator
o
Persepsi
1 Mudah
Fleksibelitas
Penggunaan
Mudah digunakan
Persepsi
Mempertinggi
2
Kemanfaatan
Effisiensi
Menjawab kebutuhan
informasi
Meningkatkan kinerja
Sikap Untuk
3
Perasaan
Menggunakan
Sikap menerima
Niat Untuk
Motivasi untuk
4
Menggunakan
menggunakan
Memotivasi orang lain
Penggunaan
Menggunakan secara
5
Aktual
aktual
Frekuensi penggunaan
Kepuasan penggunaan
Pengarus
6
Atasan
Sosial
Teman dan keluarga
Kondisi
Kondisi Hardware dan
7
Pendukung
Akses
Penyediaan staff
khusus
Dukungan dan
bantuan dari
organisasi
Jumlah

1. Pendahuluan
Teknologi motion capture saat ini masih menjadi
satu-satunya teknologi yang dapat membantu manusia
membuat animasi khususnya 3D lebih kelihatan realistis
sehingga oleh perusahaan yang mebuat dibandrol
dengan harga yang masih sangat tinggi.[2]
Untuk itu peneliti membuat teknik motion capture
multi kamera sebagai media pembelajaran alternatif.
Sehingga diharapkan mahasiswa dapat belajar tanpa ada
hambatan. Batasan masalah penelitian ini adalah pada
perhitungan tingkat persepsi mahasiswa terhadap metode
ini sehingga memberikan informasi bahwa metode ini
memang layak atau tidak dalam pembelajaran
multimedia khususnya motion capture.

2. Tinjauan Pustaka
Dalam penelitian yang dilakukan oleh Ramdhani
(2007) yang berjudul “Model Perilaku Penggunaan TI”
menyatakan TAM telah menjadi sangat populer karena
memiliki ciri-ciri teori yang baik sederhana (parsimony)
dan didukung oleh data (verifiability) serta dapat
diterapkan dalam memprediksi penerimaan dan
penggunaan sebuah hasil inovasi dalam berbagai bidang
(generalibility). [3]
Perbandingan antara TAM dan Theory of Planned
Behaviour (TPB) juga dilakukan oleh Mathieson (1991),
diperoleh hasil bahwa TAM lebih baik dalam

No. Butir

Jml

1,2,3,4

4

5,6,7

3

8,9

2

10,11,12,1
3
14,15,16

4
3

17,18

2

19,20

2

21,22,23

3

24,25

2

26,27,

2

28,29
30,31

2
2

32,33

2

34,35,36

3

37,38,39

3

40,41

2

42,43,44

3
44

Penelitian ini akan menggunakan kuesioner dalam
pengambilan data. Metode yang akan dipakai dalam
kuisioner ini dengan metode Skala Likert : seringkali
01-7

ISSN : 2302-3805

dikenal juga dengan nama summated
mengharuskan responden untuk memilih
kesepahaman atau tingkat persetujuan.

scales,
tingkat

nilai kritis (0,361) maka suatu pernyataan dianggap
valid. Menurut Hadi (1998) dalam Suhartini (2003)
sebaliknya jika koefisien korelasi lebih kecil dari nilai
kritisnya (0,361) maka suatu pernyataan dianggap tidak
valid.[4]

Melakukan pengambilan data di kelas dengan
kriteria kelas yang pernah mengambil mata kuliah
multimedia atau Mahasiswa yang menjadi anggota
Komunitas Multimedia AMIKOM.
1. Teknik Sampling
Teknik
sampling
adalah
teknik
untuk
pengambilan sampling (Sugiyono, 2006). Sampel
target dalam penelitian ini adalah Mahasiswa
AMIKOM yang sudah mendapatkan mata kuliah
Multimedia. Jumlah sampel pada penelitian ini
berjumlah 250 Mahasiswa.[6]
2. Variabel Penelitian.
Merupakan variabel dari Technology Acceptance
Model (TAM).

A. Validitas Instrumen Penelitian
1. Persepsi Mudah Penggunaan (PMP).
Validitas instrumen yang disajikan pada tabel 2
diuji dengan menggunakan korelasi skor butir
dengan skor total “Product Moment (Pearson)”.
Analisis dilakukan terhadap sepuluh butir
instrumen. Kriteria pengujiannya dilakukan dengan
cara membandingkan r hitung dengan r tabel pada
taraf α = 0,05.
Tabel 2. Tabel validitas instrumen Persepsi Mudah Penggunaan
Item Instrumen

r hitung

r tabel

Keterangan

1

0,382

0,361

Valid

2

0,484

0,361

Valid

3

0,590

0,361

Valid

4

0,507

0,361

Valid

5

0,420

0,361

Valid

6

0,337

0,361

Tidak Valid

7

0,353

0,361

Tidak Valid

8

0,050

0,361

Tidak Valid

9

0,590

0,361

Valid

10

0,603

0,361

Valid

Instrumen Penelitian dan Validitas
Instrumen Penelitian
Instrumen penelitian merupakan alat ukur untuk
mengukur variabel yang diteliti. Jumlah instrumen
tergantung pada jumlah variabel. Setiap instrumen akan
mempunyai skala, sedangkan skala yang digunakan
dalam penelitian ini adalah menggunakan skala interval
dari satu sampai empat:
1. Sangat setuju
4
2. Setuju
3
3. Tidak setuju
2
4. Sangat tidak setuju 1
Instrumen penelitian ini terdapat 44 butir
pernyataan yang terbagi atas 7 instrumen variabel
persepsi mudah penggunaan, 9 instrumen variabel
persepsi kemanfaatan, 4 instrumen variabel sikap untuk
menggunakan, 5 instrumen variabel niat untuk
menggunakan, 6 instrumen variabel penggunaan aktual,
5 instrumen variabel pengaruh sosial, dan 8 instrumen
variabel kondisi pendukung.

2. Persepsi Kemanfaatan (PK).
Berdasarkan tabel 3 hasil analisis instrumen
yang disebarkan dalam uji coba sebanyak 9 butir
pernyataan menyatakan bahwa seluruh valid, pada
taraf signifikansi 0,05, n=30 dengan r tabel = 0,36.
Tabel 3. Tabel validitas instrumen Persepsi Kemanfaatan
Item Instrumen

r tabel

Keterangan

0,621

0,361

Valid

12

0,550

0,361

Valid

13

0,564

0,361

Valid

14

0,551

0,361

Valid

15

0,541

0,361

Valid

16

0,371

0,361

Valid

17

0,759

0,361

Valid

18

0,712

0,361

Valid

19

01-8

r hitung

11

Validitas dan realibilitas instrumen penelitian.
Instrumen pada penelitian ini berjumlah 48 butir
pernyataan yang akan dilakukan uji validitas dan
reliabilitas. Uji validitas dilakukan terhadap 30
Mahasiswa Anggota Komunitas Multimedia AMIKOM
dan Animator AMIKOM sebagai sampel yang
mempunyai karakteristik sama dengan responden dalam
penelitian ini. Sampel dalam uji validitas diambil di
tempat STMIK AMIKOM. Adapun uji validitas yang
dilakukan dalam penelitian ini adalah dengan menguji
kesahihan item pernyataan yang terdapat pada kuesioner,
yaitu dengan jalan menghitung koefisien korelasi
Pearson dari tiap-tiap pernyataan dengan skor total yang
diperoleh. Koefisien korelasi masing-masing item
kemudian dibandingkan dengan angka kritis r yang ada
pada tabel kritis r Product Moment Pearson sesuai
dengan
derajat
kebebasannya
dan
tingkat
signifikansinya. Bila koefisien korelasi lebih besar dari

0,408

0,361

Valid

ISSN : 2302-3805

3. Sikap Untuk Menggunakan (SUM)
Berdasarkan table 4 hasil analisis instrumen
pernyataan menyatakan bahwa semua butir valid,
pada taraf signifikansi 0,05, n=30 dengan r tabel =
0,36.

0,36.
Tabel 3. Tabel validitas instrumen Pengaruh Sosial
Item
Instrumen

r hitung

r tabel

Keterangan

36

0,725

0,361

Valid

37

0,823

0,361

Valid

38

0,738

0,361

Valid

39

0,836

0,361

Valid

40

0,600

0,361

Valid

Tabel 4. Tabel validitas instrumen Sikap Untuk Menggunakan
Item Instrumen

r hitung

R tabel

Keterangan

20

0,704

0,361

Valid

21

0,723

0,361

Valid

22

0,762

0,361

Valid

23

0,765

0,361

Valid

7.

4. Niat Untuk Menggunakan (NUM)
pernyataan menyatakan bahwa semua butir valid dan
1 butir tidak valid, yaitu butir 25 disebabkan
pernyataan tidak mewakili dari indikator variabel,
0,36.

Kondisi Pendukung (KP)
pernyataan menyatakan bahwa seluruh butir valid,
0,36.
Tabel 4. Tabel validitas instrumen Kondisi Pendukung
Item Instrumen

r tabel

Keterangan

41

Tabel 1. Tabel validitas instrumen Niat Untuk Menggunakan

r hitung
0,707

0,361

Valid

42

0,544

0,361

Valid

Item Instrumen

r hitung

r tabel

Keterangan

43

0,716

0,361

Valid

24

0,670

0,361

Valid

44

0,636

0,361

Valid

25

0,234

0,361

Tidak Valid

45

0,505

0,361

Valid

26

0,591

0,361

Valid

46

0,646

0,361

Valid

27

0,791

0,361

Valid

47

0,370

0,361

Valid

28

0,597

0,361

Valid

48

0,742

0,361

Valid

29

0,726

0,361

Valid

8. Reliabilitas Instrumen Penelitian
5. Penggunaan Aktual (PA)
Berdasarkan table 6 hasil analisis instrumen yang
disebarkan dalam uji coba sebanyak 6 butir
0,36.

Pengujian reliabilitas dalam penelitian ini adalah
dengan internal consistency, dilakukan dengan cara
mencobakan instrumen sekali saja, kemudian
hasilnya dianalisis dengan teknik tertentu. Pada
penelitian ini pengujian reliabilitas menggunakan
Alpha Cronbach. Dikatakan reliabel jika nilai alpha
hitung lebih besar dari nilai alpha standar 0,6
(Salimun,2000). Uji reliabilitas dengan uji Alpha
Cronbach menghasilkan koefisien reliabilitas (r)
sebagai tercantum dalam tabel berikut :

Tabel 2. Tabel validitas instrumen Penggunaan Aktual
Item Instrumen

r tabel

Keterangan

30

0,770

0,361

Valid

31

0,678

0,361

Valid

32

0,741

0,361

Valid

33

0,787

0,361

Valid

34

0,562

0,361

Valid

35

6.

r hitung

0,682

0,361

Valid

Pengaruh Sosial (PS)

01-9

ISSN : 2302-3805


Berdasarkan tabel 10 menunjukkan 23
responden (9,20 %) yang menyatakan penilaian
rendah sekali, terdapat 100 responden (40 %)
menyatakan dengan penilaian rendah, 115
responden (46 %) menyatakan dengan penilaian
tinggi, dan hanya 12 responden (4,80 %) yang
menyatakan dengan penilaian sangat tinggi.

Tabel 5. Tabel reliabilitas instrumen
Variabel

Koefisien

Alpha

Ket

0,612

0,600

reliabel

0,722

0,600

reliabel

0,711

0,600

reliabel

0,764

0,600

reliabel

0,785

0,600

reliabel

Pengaruh Sosial (PS)

0,800

0,600

reliabel

Kondisi Pendukung
(KP)

0,749

0,600

reliabel

Persepsi Mudah
Penggunaan (PMP)
Persepsi Kemanfaatan
(PK)
Sikap Untuk
Menggunakan (SUM)
Niat Untuk
Menggunakan (NUM)
Penggunaan Aktual
(PA)

2.

Persepsi Kemanfaatan (PK)
Tabel 11. Penyebaran Frekuensi Persepsi Kemanfaatan
Kelas
No
Kategori
Frekuensi
Relatif
Interval
Sangat
1
9 – 15
3
1,20%
Rendah
2

106

42,40%

Tinggi

23 – 29

131

52,40%

4

Sangat Tinggi

30 – 36

10

4,00%

Jumlah

250

100%

Berdasarkan tabel 11 menunjukkan terdapat 3
responden (1,20 %) menyatakan penilaian rendah
sekali, terdapat 106 responden (42,40 %) menyatakan
dengan penilaian rendah, 131 responden (52,40 %)
menyatakan dengan penilaian tinggi, dan 10
responden (4,00 %) yang menyatakan dengan
penilaian sangat tinggi.

4. Hasil dan Pembahasan
Deskriptif Data
3.

1. Persepsi Mudah Penggunaan (PMP)

16 – 22

3

Dari tabel 9 dapat dilihat bahwa semua variabel
bebas mempunyai alpha hitung lebih besar dari alpha
standart. Karena alpha hitung lebih besar dari nilai
alpha standart (0,6), maka berarti seluruh variabel yang
diuji dinyatakan reliabel (andal). Dengan demikian
maka hasil uji reliabilitas tersebut dapat memenuhi
syarat, sehingga kuesioner yang digunakan untuk
mengukur masing-masing variabel dapat diandalkan.

Rendah

Dari tabulasi data penulis dapat menentukan luas
penyebaran nilai merujuk pendapat Anas Sudijono
(1992:50) dalam buku “Pengantar Statistik” :[5]

Sikap Untuk Menggunakan (SUM)
Tabel 12. Penyebaran Frekuensi Sikap Untuk Menggunakan
Kelas
No
Kategori
Frekuensi
Relatif
Interval

7 – 12

23

9,20%

2

Rendah

13 – 18

100

40,00%

3

Tinggi

19 – 24

115

46,00%

4

Sangat Tinggi

25 – 28

12

4,80%

Jumlah

250

Rendah

7–9

81

32,40%

Tinggi

10 – 12

98

39,20%

Sangat Tinggi

13 – 16

48

19,20%

250

100%

Berdasarkan tabel 12 menunjukkan 23
responden (9,20) menyatakan penilaian rendah

Tabel 10 Penyebaran Frekuensi Persepsi Mudah Penggunaan
Kelas
No
Kategori
Frekuensi
Relatif
Interval
Sangat Rendah

9,20%

Jumlah

1

23

4

Dengan :
R = Total range
i = Interval

4–6

3

R
Banyaknya interval =
i

Sangat Rendah

2

Rumus Total range ( R ) = H – L + 1
Dengan :
R = Total range
L = Skor minimum
H = Skor maksimum
1 = Bilangan konstan

1

100%

01-10

ISSN : 2302-3805

4.


Niat Untuk Menggunakan (NUM)

Tabel 13. Penyebaran Frekuensi Niat Untuk Menggunakan
Kelas
No
Kategori
Frekuensi
Interval

Relatif

7.

Kondisi Pendukung (KP)

1

Sangat Rendah

5–8

13

5,20%

2

Rendah

9 – 12

70

28,00%

3

Tinggi

13 – 16

114

45,60%

No

4

Sangat Tinggi

17 – 20

53

21,20%

1

Sangat Rendah

8 – 13

1

0,40%

Jumlah

250

100%

2

Rendah

14 – 19

38

15,20%

3

Tinggi

20 – 25

178

71,20%

4

Sangat Tinggi

26 – 32

33

13,20%

Jumlah

250

100%

5.


Penggunaan Aktual (PA)
Tabel 14. Penyebaran

Frekuensi Penggunaan Aktual

No

Kategori

Kelas
Interval

Frekuensi

Relatif

1

Sangat Rendah

6 – 10

7

2,80%

2

Rendah

11 – 15

97

38,80%

3

Tinggi

16 – 20

129

51,60%

4

Sangat Tinggi

21 – 24

17

Tabel 16. Distribusi Frekuensi Kondisi Pendukung
Kelas
Kategori
Interval Frekuensi
Relatif

6,80%

Data lengkap hasil analisis statistika dasar dari
ketujuh variabel penelitian, secara tersaji pada tabel
17
Tabel 17. Data Lengkap Hasil Analisis Statistika Dasar
N
o

250

Jumlah

Variabel
Kriteria

100%

SU

NU

PMP

PK

M

M

PA

PS

KP

250

250

250

250

250

250

250

27

32

16

20

23

20

30

Jumlah

Berdasarkan tabel 14 menunjukkan 7 responden
(2,80 %) menyatakan penilaian rendah sekali,
terdapat 97 responden (38,80 %) menyatakan
responden (6,80 %) menyatakan dengan penilaian
sangat tinggi.

1

Responden
Nilai

2

Maksimum
Nilai
Minimum

9

11

4

7

9

7

13

4

Modus

19

22

10

15

16

14

23

5

6.

3

Median

19

23

10

14

16

14

22

23,0

10,1

13,9

16,0

13,7

22,3

18,27

1

2

0

6

2

6

4,10

3,74

2,61

3,17

2,92

2,48

2,75

Pengaruh Sosial (PS).

Tabel 15. Penyebaran Frekuensi Pengaruh Sosial
Kelas
No
Kategori
Interval
Frekuensi

6

Mean
Standar

7

Relatif

1

Sangat Rendah

5–8

4

1,60%

2

Rendah

9 – 12

77

30,80%

3

Tinggi

13 – 16

140

56,00%

4

Sangat Tinggi

17 – 20

29

11,60%

Jumlah

250

100%

Deviasi


Berdasarkan tabel 15 menunjukkan 4 responden
(1,60 %) menyatakan penilaian rendah sekali,
terdapat 77 responden (30,80 %) menyatakan

Kesimpulan
Berdasarkan dari hasil Animasi Video dan
analisa pengolahan data statistik dapat disimpulkan
bahwa:
1. Persepsi Mudah Penggunaan (PMP) kategori Tinggi
yaitu 46%.
2. Persepsi Kemanfaatan (PK) kategori Tinggi yaitu
52,40 %.

01-11

3.
4.
5.
6.
7.

Persepsi Sikap Untuk Menggunakan (SUM)
kategori Tinggi yaitu 39,20 %.
Persepsi Niat Untuk Menggunakan (NUM) kategori
Tinggi yaitu 45,60 %.
Persepsi Penggunaan Aktual (PA) kategori Tinggi
yaitu 51,60 %.
Persepsi Pengaruh Sosial (PS) kategori Tinggi yaitu
56 %.
Persepsi Kondisi Pendukung (KP) kategori Tinggi
yaitu 71,20 %.

Saran
Berdasarkan
kesimpulan
seperti
diuraikan
sebelumnya:
1. metode ini sebaiknya digunakan sebagai media
pembelajaran untuk memahami tekhnik motion
capture.
2. Untuk penelitian yang akan datang diharapkan
meneliti teknik motion capture dengan Multi
kamera secara otomatis sehingga lebih cepat dalam
pembuatan animasi.

Daftar Pustaka
[1] Hermana, B. 2005. Model Penerimaan Teknologi
Informasi Dan Komunikasi: Meta Analysis. Paper yang
dipresentasikan pada Konferensi Nasional Teknologi
Informasi dan Komunikasi Indonesia. Bandung : Institut
Teknologi Bandung.
[2] Kurniawan, Mei P.,dkk. 2011. Teknologi Motion Capture
Multi Kamera. Yogyakarta: Jurnal AMIKOM
[3] Ramdhani, N. 2007. Model Perilaku Penggunaan IT
“NR-2007” Pengembangan Dari Technology Acceptance
Model (TAM). Diktat Tidak Terpublikasi. Yogyakarta :
Universitas Gadjah Mada
[4] Rizkillah, M.(2008). Analisis Perilaku Penerimaan
Jejaring Pendidikan Nasional (JARDIKNAS) Oleh Siswa
SMA Di Kota Mataram. Yogyakarta: Universitas Gajah
Mada
[5] Sudijono, Anas. 2006. Pengantar Statistik Pendidikan.
Jakarta: PT Raja Grafindo.
[6] Sugiyono. 2006. Metode Penelitian Kuantitatif Kualitatif
Dan R&D. Bandung : Penerbit Alfabeta.

Biodata Penulis
Mei Parwanto Kurniawan, memperoleh gelar Sarjana
Komputer (M.Kom), Program Studi Magister Teknik
Informatika STMIK AMIKOM Yogyakarta, lulus tahun 2011.
Saat ini sebagai Dosen Pengajar program Sistem Informasi
STMIK AMIKOM Yogyakarta.

01-12

ISSN : 2302-3805

ISSN : 2302-3805


KLASIFIKASI JENIS DAN FASE PARASIT MALARIA PLASMODIUM
FALCIPARUM DAN PLASMODIUM VIVAX DALAM SEL DARAH MERAH
MENGGUNAKAN SUPPORT VECTOR MACHINE ONE AGAINST ONE
Endi Permata 1) ,I Ketut Eddy Purnama 2), Mauridhi Hery Purnomo 3)
1) 2 )3)

Jaringan Cerdas Multimedia Teknik Elektro FTI ITS
Sukolilo, Surabaya, 60111, Indonesia

E-mail: endi.permata10@mhs.ee.its.ac.id, ketut@ee.its.ac.id, hery@ee.its.ac.id
adalah melakukan segmentasi mengunakan metode kmean clustering dan kemudian melakukan ekstraksi ciri
terhadap citra data yang akan diuji. Ekstraksi ciri yang
digunakan sebagai masukan pada sistem yang akan
dibangun pada penelitian ini ada dua kelompok ciri,
yaitu ciri warna dan ciri histogram. Langkah terakhir
adalah melakukan uji identifikasi dan mengklasifikasi
parasit plasmodium falciparum kedalam empat kelas
dengan menggunakan metode jaringan saraf tiruan (JST)
Learning Vektor Quantization [5].
Beberapa penelitian yang dilakukan melakukan
segmentasi dengan pemisahan sel darah merah
diantaranya menggunakan representrasi Incusion-Tree
dan melakukan dua klasifikasi untuk mengidentifikasi
sel darah merah yang terinfeksi oleh plasmodium
menggunakan binary classifier dan menentukan fase
plasmodium menggunakan multiclass classifier [2].
Proses segmentasi dan dilanjutkan dengan klasifikasi
menggunakan pendekatan morphologi dan kesamaan
warna histogram [3]. Penelitian lainnya menggunakan
region based Active Contour dan dilanjutkan dengan
klasifikasi menggunakan Support Vektor Machine [1].

Abstrak
Malaria adalah penyakit yang disebabkan oleh protozoa
yang disebut Plasmodium, yang dalam salah satu tahap
perkembang biakannya akan memasuki
dan
menghancurkan sel-sel darah merah . Ada empat
spesies yang menyebabkan malaria pada manusia
yaitu: plasmodium falciparum, plasmodium.vivax,
plasmodium ovale dan plasmodium malariae. Namun
kasus malaria yang banyak ditemukan di indonesia
hanya spesies Plasmodium falciparum dan Plasmodium
vivax. Dari hasil percobaan
tahap klasifikasi
menggunakan metode support vector machine one
against one didapatkan hasil akurasi falciparum
thropozoit 95,55%, falciparum schizont 93,48% ,
falciparum gametocyte 91,11 %, vivax thropozoit
88,88%, vivax schizont 92,22% dan vivax gametocyte
85%.
Kata kunci : parasit malaria, support vector machine,
ekstraksi fitur
1. Pendahuluan
Malaria merupakan penyakit yang disebabkan oleh
parasit protozoa dari genus plasmodium yang
menginfeksi sel darah merah penderita. Parasit tersebut
masuk ke dalam tubuh manusia melalui gigitan nyamuk
anopheles betina. Spesies plasmodium yang menginfeksi
manusia yaitu Plasmodium falcifarum, Plasmodium
vivax, Plasmodium ovale, dan Plasmodium malariae.
Plasmodium vivax menyebabkan malaria tertiana,
Plasmodium malaria merupakan penyebab malaria
kuartana. Plasmodium ovale menyebabkan malaria
ovale, sedangkan Plasmodium falciparum menyebabkan
malaria tropika. Spesies terakhir ini paling berbahaya
karena malaria yang ditimbulkan dapat menjadi berat.
Hal ini disebabkan dalam waktu singkat dapat
menyerang eritrosit dalam jumlah besar, sehingga
menimbulkan berbagai komplikasi di dalam organ-organ
tubuh.
Diagnosis malaria secara pasti dapat dilakukan
apabila ditemukan parasit malaria dalam darah
penderita. Plasmodium falciparum dan Plasmodium
vivax dalam darah memiliki beberapa fase penting
diantaranya adalah thropozoit,schizont dan gametozit.
Beberapa grup riset telah melakukan pengkajian
terhadap citra preparat darah. Penelitian yang dilakukan

2. Tinjauan Pustaka
Penelitian ini bertujuan membangun sistem
klasifikasi jenis dan fase parasit malaria Plasmodium
falciparum dan Plasmodium vivax. Fitur yang
digunakan adalah standard deviation, mean, skewness,
entropy, kurtosis dan Grayscale dari Histogram Warna,
Histogram Grayscale dan Histogram Tingkat Saturasi.
Selanjutnya dilakukan proses klasifikasi. Metoda yang
digunakan untuk pengenalan pola dalam penelitian ini
adalah support vector machine (SVM). Data citra parasit
malaria yang digunakan dalam penelitian ini diperoleh
public health image library (PHIL) dari phil.cdc.gov.
Terdapat dua tahapan utama yang dilaksanakan pada
penelitian ini. Tahap pertama adalah ekstraksi fitur
dengan tujuan untuk mendapatkan fitur-fitur yang akan
digunakan untuk melakukan klasifikasi. Fitur yang akan
digunakan adalah standard deviation, mean, skewness,
entropy, kurtosis dan Grayscale dari Histogram Warna,
Histogram Grayscale dan Histogram Tingkat Saturasi.
Tahap selanjutnya dilakukan proses klasifikasi. Metoda
yang digunakan untuk pengenalan pola dalam penelitian
ini adalah support vector machine (SVM).

02-1


2.1 Histogram warna (Color Histogram)
Histogram
warna
dihitung
dengan
cara
mendiskritkan warna dalam citra, dan menghitung
jumlah dari tiap-tiap piksel pada citra. Sebelum
dilakukan penghitungan intensitas warna tiap piksel,
terlebih dahulu dilakukan normalisasi terhadap ketiga
komponen penyusun warna pada citra (red,green,blue),
proses ini disebut juga dengan Normalized RGB.
Persamaan yang digunakan untuk normalisasi warna
tersebut adalah sebagai berikut :

=

√

=

=

√

(3)

2.2 Histogram Tingkat Keabuan (Grayscale
Histogram)
Nilai citra parasit malaria merupakan model warna
RGB. Untuk mendapatkan nilai tingkat keabuan dari
citra yang terdiri dari komponen warna RGB dilakukan
dengan menggunakan persamaan berikut :

Grayscale  0.42 R  0.32 G  0.28 B (4)
Hasil dari proses grayscale ini akan berada pada tingkat
keabuan sebesar sebesar 8 bit. Distribusi nilai-nilai dari
setiap piksel citra grayscale dimasukkan ke dalam
histogram.
2.3 Histogram Tingkat Saturasi ( Saturation Level
Histogram )
Histogram tigkat saturasi digunakan untuk
mendapatkan nilai-nilai intensitas warna berdasarkan
kejenuhannya (saturasi). Komponen warna berdasarkan
kejenuhannya diperoleh dari citra eritrosit model warna
RGB melalui perhitungan dengan persamaan sebagai
berikut :

min ( , , ) (5)

Dimana nilai saturasi pada setiap piksel ini digunakan
untuk membangun histogram distribusinya.
Dari nilai histogram warna, grayscale dan tingkat
saturasi hasil perhitungan sudah dapat dijadikan sebagai
vektor input, namun untuk mengurangi masalah
komputasi yang besar maka nilai-nilai tersbut diwakili
oleh nilai mean, standar deviasi, kurtosis dan skewness
dari distribusinya histogram tersebut, dimana dapat
dihitung dengan persamaan :

(6)

(7)

=μ= ∑

=

=

∑

(

=

=

∑

∑

∑

∑

(

(

(

(

)

)

)

)

(8)

(9)
,

( , )

(10)

2.4 Support Vector Machine (SVM)
Support Vector Machine (SVM) dikembangkan oleh
Boser, Guyon, dan Vapnik, pertama kali dipresentasikan
pada tahun 1992 di Annual Workshop on Computational
Learning Theory. Konsep dasar SVM sebenarnya
merupakan kombinasi harmonis dari teori-teori
komputasi yang telah ada puluhan tahun sebelumnya,
seperti margin hyperplane (Duda & Hart tahun 1973,
Cover tahun 1965, Vapnik 1964, dan sebagainya), kernel
diperkenalkan oleh Aronszajn tahun 1950, demikian
juga dengan konsep-konsep pendukung yang lain. Akan
tetapi hingga tahun 1992, belum pernah ada upaya
merangkaikan komponen-komponen tersebut.
Berbeda dengan strategi neural network yang berusaha
mencari hyperplane pemisah antar kelas, SVM berusaha
menemukan hyperplane yang terbaik pada input space.
Prinsip dasar SVM adalah linear classifier, dan
selanjutnya dikembangkan agar dapat bekerja pada
problem non-linear dengan memasukkan konsep kernel
trick pada ruang kerja berdimensi tinggi. Perkembangan
ini memberikan rangsangan minat penelitian di bidang
pattern recognition untuk investigasi potensi
kemampuan SVM secara teoritis maupun dari segi
aplikasi. Saat ini SVM telah berhasil diaplikasikan
dalam masalah dunia nyata (real-world problems), dan
secara umum memberikan solusi yang lebih baik
dibandingkan metode konvensional seperti misalnya
artificial neural network [4].
Konsep SVM dapat dijelaskan secara sederhana sebagai
usaha mencari hyperplane terbaik yang berfungsi
sebagai pemisah dua buah kelas pada input space.
Hyperplane dalam ruang vektor berdimensi d adalah
affine subspace berdimensi d-1 yang membagi ruang
vektor tersebut ke dalam dua bagian, yang masingmasing berkorespondensi pada kelas yang berbeda[4].
Gambar 1 memperlihatkan beberapa pattern yang
merupakan anggota dari dua buah kelas : +1 dan –1.
Pattern yang tergabung pada kelas –1 disimbolkan
dengan warna merah (kotak), sedangkan pattern pada
kelas +1, disimbolkan dengan warna kuning (lingkaran).
Masalah klasifikasi dapat diterjemahkan dengan usaha
menemukan garis (hyperplane) yang memisahkan antara
kedua kelompok tersebut. Berbagai alternatif garis
pemisah (discrimination boundaries) ditunjukkan pada
gambar 1 (a).

(2)

=1−

=

= −∑ ∑

(1)
√

ISSN : 2302-3805

− μ)
02-2

ISSN : 2302-3805


Masalah ini dapat dipecahkan dengan berbagai teknik
komputasi, di antaranya Lagrange Multiplier.


 
1  2 l
L ( w, b, )  w    i ( yi (( x.w  b)  1))
2
i 1
dengan i = 1, 2, …, l .

(a)

αi adalah Lagrange multipliers, yang bernilai nol atau
positif ( αi≥0 ). Nilai optimal dari persamaan (6) dapat

dihitung dengan meminimalkan L terhadap w dan b,
dan memaksimalkan L terhadap αi. Dengan
memperhatikan sifat bahwa pada titik optimal gradien L
= 0, persamaan (16) dapat dimodifikasi sebagai
maksimalisasi problem yang hanya mengandung saja αi,
sebagaimana persamaan (17) di bawah.

(b)

Gambar 1. Hyperplane yang memisahkan dua kelas (–1 dan +1)

Hyperplane pemisah terbaik antara kedua kelas dapat
ditemukan dengan mengukur margin hyperplane
tersebut dan mencari titik maksimalnya. Margin adalah
jarak antara hyperplane tersebut dengan pattern terdekat
dari masing-masing kelas. Pattern yang paling dekat ini
disebut sebagai support vector. Garis solid pada gambar
1 (b) menunjukkan hyperplane yang terbaik, yaitu yang
terletak tepat pada tengah-tengah kedua kelas,
sedangkan titik merah dan kuning yang berada dalam
lingkaran hitam adalah support vector. Usaha untuk
mencari lokasi hyperplane ini merupakan inti dari proses
pembelajaran pada SVM. Data yang tersedia dinotasikan

d
sebagai xi  R , sedangkan label masing-masing

l

 i 
i 1

 i  0(i  1,2,..., l )

(12)


Sedangkan pattern w yang termasuk kelas +1 (sampel
positif)
(13)

Margin
terbesar
dapat
ditemukan
dengan
memaksimalkan nilai jarak antara hyperplane dan titik


1 / w . Hal ini dapat dirumuskan

sebagai Quadratic Programming (QP) problem, yaitu
mencari titik minimal persamaan (14), dengan
memperhatikan constraint persamaan (15).

w

1 2
w
2

k (k - 1)
2

(14)

dengan

 
yi ( xi .w  b)  1  0, i

i

i

(8)

2.4.1 SVM One Against One untuk Multiclass
SVM pada mulanya dikembangkan oleh Vapnik
untuk klasifikasi biner (dua kelas). Namun karena
permasalahan yang banyak dijumpai di dunia nyata
adalah permasalahan klasifikasi lebih dari dua kelas
maka selanjutnya dikembangkan lah klasifikasi
multiclass (banyak kelas). Secara umum terdapat dua
pendekatan
untuk
menyelesaikan
permasalahan
klasifikasi menggunakan SVM untuk multiclass.
Pendekatan yang pertama adalah dengan cara
menggabungkan semua data dalam suatu permasalahan
optimasi, sedangkan pendekatan yang kedua adalah
dengan cara membangun suatu multiclass classifier,
dimana hal ini didapatkan dengan cara menggabungkan
beberapa SVM biner.
Pendekatan yang pertama
menghendaki penyelesaian masalah optimasi yang lebih
rumit dan tingkat komputasi yang tinggi, dengan
demikian
pendekatan ini kemudian tidak banyak
dikembangkan.
Metode SVM one against one adalah salah satu
metode untuk mengimplementasi SVM untuk multiclass
dengan menggunakan pendekatan yang kedua. Model
klasifikasi biner yang dibangun menggunakan metode
ini dapat dihitung dengan mengikuti persamaan (9) :

dapat dirumuskan sebagai pattern yang memenuhi
pertidaksamaan

min ( w) 

l

Dari hasil dari perhitungan ini diperoleh αi yang
kebanyakan bernilai positif. Data yang berkorelasi
dengan αi yang positif inilah yang disebut sebagai
support vector (Nugroho, 2003).


w.x  b  0
(11)

Pattern w yang termasuk kelas –1 (sampel negatif)

terdekatnya, yaitu

(7)

 y
i 1




w.xi  b  1


1 l
1 i j yi y j xi x j
2 i, j

dengan

dinotasikan yi  {1,1} untuk i=1,2,3 ... l. Dengan l
adalah banyaknya data. Diasumsikan kedua kelas –1 dan
+1 dapat terpisah secara sempurna oleh hyperplane
berdimensi d, yang didefinisikan :


w.xi  b  1

(16)

(9)

dengan k adalah banyaknya kelas. Pada tahap pelatihan,
setiap model klasifikasi dilatih menggunakan data latih
dari dua kelas. Sedangkan pada tahap pengujian terdapat
beberapa cara untuk melakukan pengujian setelah semua

(15)

02-3

k(k −1)/2 model klasifikasi telah selesai dibangun. Salah
satunya cara yang dapat digunakan adalah dengan
menggunakan metode voting (Hsu, 2002). Contoh
penggunaan metode SVM one against one dapat
ditunjukkan pada tabel 1 dan gambar 2.

preparat darah terinfeksi parasit malaria yaitu citra
falciparum thropozoit, falciparum schizont, falciparum
gametocyt,vivax thropozoit,vivax schizont, vivax
gametocyt diperoleh public health image library (PHIL)
dari phil.cdc.gov, proses normalisasi seperti cropping
dan resize untuk menyamakan dimensi citra dilakukan
secara manual sehingga menjadi citra tunggal.

Tabel 1 Contoh metode one against one

yI = 1

y I =-1

Hipotesis

Kelas 1

Kelas 2

f1,2(x)=(w1,2)x +b1,2

Kelas 1

Kelas 3

f1,3(x)=(w1,3)x+b1,3

Kelas 1

Kelas 4

f1,4(x)=(w1,4)x+b1,4

Kelas 2

Kelas 3

f2,3(x)=(w2,3)x+b2,3

Kelas 2

Kelas 4

f2,4(x)=(w2,4)x+b2,4

Kelas 3

Kelas 4

ISSN : 2302-3805

f3,4(x)=(w3,4)x+b3,4

Gambar 3 Blok diagram desain sistem

Tahap selanjutnya ekstraksi fitur dengan tujuan
untuk mendapatkan fitur-fitur yang akan digunakan
untuk melakukan klasifikasi. Fitur yang akan digunakan
adalah mean, standard deviation, , kurtosis, skewness,
dan entropy dari Histogram Warna, Histogram
Grayscale dan Histogram Tingkat Saturasi. Selanjutnya
dilakukan proses klasifikasi. Metoda yang digunakan
untuk pengenalan pola dalam penelitian ini adalah
support vector machine (SVM). Pada dasarnya SVM
hanya dapat digunakan untuk mengklasifikasikan data
ke dalam dua kelas (klasifikasi biner). Untuk dapat
diterapkan pada permasalahan klasifikasi jenis dan fase
dari parasit malaria plasmodium falciparum dan
plasmodium vivax yang terdiri lebih dari dua kelas maka
diterapkan metode klasifikasi SVM multikelas yang
dibangun dengan cara menggabungkan beberapa
klasifikasi biner. Metode pendekatan SVM multikelas
yang digunakan dalam penelitian ini adalah SVM
multiclass one against one (OAO) dan one against
all(OAA). Pada proses klasifikasi pelatihan, variabel
hyperplane untuk setiap pengklasifikasi (classifier) yang
didapat akan disimpan dan nantinya akan digunakan
sebagai data tiap pengklasifikasi dalam proses
pengujian, dengan kata lain proses klasifikasi pelatihan
adalah proses untuk mencari support vector, alpha dan
bias dari data input pelatihan yang berupa vektor fitur
dari citra falciparum thropozoit, falciparum schizont,
falciparum gametocyt,vivax thropozoit,vivax schizont,
vivax gametocyt (enam kelas). Sedangkan pada proses
pengujian, data citra plasmodium falciparum dan
plasmodium vivax yang digunakan adalah data yang
tidak diikutsertakan pada proses pelatihan. Jika kelas
yang dihasilkan dari proses klasifikasi pengujian sama

Gambar 2 Metode klasifikasi SVM one against one

Dari gambar 2 jika data xi dimasukkan ke dalam
fungsi yang didapatkan dari tahap pelatihan
pada
persamaan 10 :
f(x) = (wij) T (x) + b
(10)
dan hasil yang didapatkan x adalah kelas termasuk kelas i,
maka kelas i mendapatkan satu suara (vote). Dan
selanjutnya data xi diujikan ke semua model klasifikasi
yang didapatkan dari tahap pelatihan. Dan pada akhirnya
kelas dari data x ditentukan dari jumlah perolehan suara
terbanyak. Apabila terdapat dua buah kelas yang memiliki
jumlah suara yang sama, maka kelas dengan indeks yang
lebih kecil dinyatakan sebagai kelas dari data yang diujikan.

Tahapan-tahapan dari metode yang diusulkan
untuk
melakukan klasifikasi dari jenis dan fase
plasmodium falciparum dan plasmodium vivax dari citra
medis preparat darah ditunjukkan dalam Gambar 3
Pada proses pembelajaran, citra medis dari
preparat darah adalah file-file yang masing-masing
berukuran 50x50 pixel yang diperoleh dari hasil
segmentasi secara manual. Artinya, setelah file citra
02-4

ISSN : 2302-3805

dengan kelas data sebenarnya, maka pengenalan
dinyatakan benar.

Percobaan ini dilakukan dengan cara membuat grafik
prosentase akurasi sistem klasifikasi terhadap jumlah
range fitur histogram yang digunakan. Rentang jumlah
range fitur histogram yang digunakan dalam pengujian
ini dibatasi dari dua hingga lima belas range fitur.
Grafik yang pertama adalah grafik rata-rata akurasi per
kelas yang menggambarkan nilai akurasi masingmasing kelas yang didapatkan dari hasil rata-rata
akurasi ketiga tahap pengujian, dapat dilihat pada
gambar 4. Grafik yang kedua adalah grafik akurasi
multi kelas yang digambarkan untuk masing-masing
tahap pengujian yang menggunakan kombinasi data
pelatihan dan pengujian yang berbeda, dapat dilihat
pada gambar 5. Dan yang terakhir gambar 6adalah
grafik rata-rata akurasi multi kelas yang merupakan
nilai rata-rata dari ketiga tahap pengujian klasifikasi.
Perhitungan hasil klasifikasi parasit jenis dan fase
malaria falciparum dan malaria vivax secara
keseluruhan yang menggunakan jumlah range fitur
histogram sebanyak dua sampai dengan lima belas

4. Hasil dan Pembahasan
Pada bagian ini akan dijabarkan dan dievaluasi
efektifitas metode yang digunakan dalam mengatasi
permasalahan klasifikasi terhadap jenis parasit yang
menyebabkan malaria yaitu plasmodium falciparum dan
plasmodium vivax beserta fasenya.
Ujicoba terhadap metode klasifikasi SVM
digunakan 180 data citra preparat darah dengan ukuran
50x50 pixel. Setiap kelas dari klasifikasi terdiri dari 30
data. Dalam proses ujicoba dilakukan dua tahap, tahap
yang pertama adalah pelatihan sedangkan tahap yang
kedua adalah tahap uji. Tahap pelatihan digunakan untuk
mendapatkan koordinat dari support vector, weight, bias
dan jarak support vector, sedangkan tahap pengujian
adalah menggunakan data-data selain data pelatihan
untuk mendapatkan hasil klasifikasi, sehingga dapat
diketahui tingkat akurasinya.
Pengujian ini dilakukan terhadap semua kelas
berdasarkan kelompok data pelatihan dan pengujian
yang telah dibagi, kelas yang pertama adalah
Falciparum Thropozoit, kelas kedua adalah Falciparum
Schizont, kelas ketiga adalah Falciparum Gametocyt,
kelas keempat adalah Vivax Thropozoit, kelas kelima
adalah Vivax Schizont dan kelas keenam adalah Vivax
Gametocyt.Secara singkat enam kelompok data ini di
rotasi tanpa terjadi overlap sehingga semua citra darah
pernah menjadi data pelatihan maupun data pengujian.
Distribusi data pelatihan dan pengujian dapat dilihat
pada tabel 2.

Prosentasi Akurasi

200
0

Tabel 2 Distribusi data pelatihan dan pengujian

2 3 4 5 6 7 8 9 10 11 12 13 14 15
Jumlah Range Fitur Histogram
Rata-rata Kelas I

Rata-rata Kelas II

Rata-rata Kelas III

Rata-rata Kelas IV

Rata-rata Kelas V

Rata-rata Kelas VI

Gambar 4 Grafik Rata-rata Akurasi per kelas svm one vs one

Pada gambar 4 ditunjukkan bahwa prosentase akurasi
rata-rata terendah untuk kelas I sebesar 78,07%, kelas II
sebesar 81.11%, kelas III sebesar 80.56%,, Kelas IV
sebesar 72.78%, Kelas V sebesar 77,77% dan Kelas VI
sebesar 78,33%. Sedangkan prosentase akurasi rata-rata
yang tertinggi untuk kelas I adalah 96,11% didapatkan
saat menggunakan jumlah range fitur 2, 3, 4, 5, 6, 7, 8,
9, 10, 11, 12, 13, dan 14. Untuk kelas II adalah 95,56%
didapatkan saat menggunakan jumlah range fitur 2, 3, 4,
5, 6, 7, 8, 9, 10, 11, 12, 13, 14, dan 15. Untuk kelas III
adalah 93,33% didapatkan saat menggunakan jumlah 2,
3, 4, 5, 6, 7, 8, 9, 10, dan 11. Untuk kelas IV adalah
88,88% didapatkan saat menggunakan jumlah 2, 3, 4, 5,
6, 7, 8, 9, 10, 11, 12, 13, 14, dan 15. Untuk kelas V
adalah 92,78% didapatkan saat menggunakan jumlah 2,
3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, dan 14. Dan Untuk
kelas VI adalah 86,11% didapatkan saat menggunakan
jumlah 2, 3, 4, 5, 6, 7, 8, 9, 10, 11,dan 12.
Pada gambar 5 ditunjukkan bahwa prosentase akurasi
multi kelas untuk masing-masing tahap pengujian
(kelompok data pengujian) yang terendah didapatkan
pada saat histogram menggunakan range fitur dua.
Prosentase akurasi multi kelas terendah pada pengujian
tahap 1 sebesar 40,67%, pengujian tahap 2 sebesar
35,59%, pengujian tahap 3 sebesar 30%, Sedangkan

4.1 Percobaan Pengaruh Range Fitur Histogram
Terhadap Hasil Klasifikasi Menggunakan Support
Vector Machine One Against One
Jumlah fitur histogram yang digunakan pada tahap
ekstraksi fitur merupakan panjang vektor pola yang
menjadi input pada tahap klasifikasi menggunakan
support vector machine multikelas one against one,
baik pada proses pelatihan maupun pada tahap
pengujian. Dengan demikian pengujian ini bertujuan
untuk mengetahui seberapa besar pengaruh jumlah
fitur histogram yang digunakan terhadap kinerja dari
sistem klasifikasi.

02-5

ISSN : 2302-3805


[5.] Wahab, Iis Hamsir Ayub 2008, Identifikasi parasit
malaria dalam darah menggunakan segmentasi citra digital
dan jaringan syaraf tiruan.

Prosentasi
Akurasi

prosentase akurasi multi kelas yang tertinggi pada
pengujian tahap 1 adalah 78,33% didapatkan saat
menggunakan jumlah range fitur 2, 3, 4, 5, 6, 7, 8, 9, 10,
11, 12, 13, dan 14. Pada pengujian tahap 2 adalah 65%
didapatkan saat menggunakan jumlah range fitur 2, 3, 4,
5, 6, 7, 8, 9, 10, 11, 12, 13, 14 dan 15 . Pada pengujian
tahap 3 adalah 81,35 % didapatkan saat menggunakan
jumlah range fitur 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14
dan 15.
200
0

Biodata Penulis
Endi Permata lahir di Jakarta pada tanggal 14 Juni 1978.
Penulis menamatkan pendidikan Sarjana S-1 di Universitas
Sultan Ageng Tirtayasa Banten pada jurusan Teknik Elektro
pada tahun 2003. Pada saat ini penulis aktif bekerja sebagai
Dosen Teknik Elektro di Jurusan Teknik Elektro Fakultas
Teknik Universitas Sultan Ageng Tirtayasa Banten.

2 Jumlah Range Fitur Histogram
4
6
8 10 12 14

Rata-rata Kelas I

Rata-rata Kelas II

Rata-rata Kelas III

Rata-rata Kelas IV

Rata-rata Kelas V

Rata-rata Kelas VI

Prosentase
Akurasi

Gambar 5 Grafik akurasi multi kelas svm one vs one untuk setiap
tahap pengujian

100
50
0
2

4

6

8

10 12 14

Jumlah Range Fitur Histogram
Gambar 6 Grafik akurasi rata-rata multi kelas svm one vs one

Penelitian ini mengembangkan metode klasifikasi jenis
dan fase parasit malaria plasmodium falciparum dan
plasmodium vivax berdasarkan tekstur. Dari hasil
percobaan
tahap klasifikasi menggunakan metode
support vector machine one against one didapatkan hasil
akurasi falciparum thropozoit 95,55%, falciparum
schizont 93,48% , falciparum gametocyte 91,11 %, vivax
thropozoit 88,88%, vivax schizont 92,22% dan vivax
gametocyte 85%.
Saran dari peneliti adalah perlu ditambahkan lagi fitur
yang dapat meningkatkan akurasi sistem klasifikasi yaitu
dengan menambahkan fitur shape dari citra parasit.

Daftar Pustaka
[1.] Andi Kusuma Indrawan (2011), “Identifikasi Fase
Plasmodium Falciparum Menggunakan Active Contour dan
Support Vector Machine” tesis jaringan cerdas multimedia
ITS.
[2.] Díaz, G., González, Fabio A., Romero, Eduardo, 2009. A
semi-automatic method for quantification and classification of
erythrocytes infected with malaria parasites in microscopic
images, J. of Biomedical Informatics,42:296–307.
[3.] Di Ruberto, Cecilia, Dempster, Andrew, Khan, Shahid,
Jarra , Bill 2002. Analysis of infected blood cell images using
morphological operators, Image and Vision Computing,
20:133-146.
[4.] Nugroho, A.S., Witarto, B.A., Handoko, D., (2003), “
Support Vector Machine – Teori dan Aplikasinya Dalam
Bioinformatika”, Kuliah Umum Ilmu Komputer.com

02-6

ISSN : 2302-3805


PEMANFAATAN GOOGLE FUSION TABLES CLOUD BASED
SERVICE SEBAGAI SARANA PEMBELAJARAN
PENGEMBANGAN APLIKASI SIG
1)

Adri Gabriel Sooai 1)
Teknik Informatika Universitas Katolik Widya Mandira
Jl. A Yani 50 – 25 Kupang Nusa Tenggara Timur 85225
email : adrigabriel@gmail.com1)

pengelolaan basis data spatial, pembuatan layer untuk
peta tematik dan berbagai teknik pemrograman yang
rumit.
Dalam perkuliahan pada program studi teknik
informatika, mata kuliah sistem informasi geografis
hanya dibebani dengan 2(dua) sks. Hal ini ini hanya
memungkinan siswa mendapatkan pengetahuan umum
saja mengenai Sistem Informasi Geografis. Jika
dipaksakan untuk membangun sebuah Aplikasi Real
maka harus membutuhkan tambahan berupa praktikum.
Pilihan perangkat lunak yang menjadi acuan
pun relatif baku dan berat, dalam arti membutuhkan
sumberdaya perangkat keras dengan spesifikasi tinggi,
dalam hal ini jika menggunakan produk-produk
propreitary yang terkenal. Selain bertabrakan degan
lisensi, pengguna pun harus mengeluarkan dana yang
tidak sedikit untuk satu license, sehingga tidak
melakukan praktikum menggunakan software ilegal.
Dalam menunjang proses perkuliahan, maka
dibutuhkan sarana pembelajaran yang “ringan” (low
resources), penelitian ini bertujuan untuk melihat
sejauh mana Google Fusion Tables dapat
dimanfaatakan untuk membantu menyediakan salah
satu sarana pembelajaran Sistem Informasi
Geografis yang murah/gratis dan relatif sangat
mudah digunakan.

Abstrak
Pengembangan aplikasi Sistem Informasi Geografis jika
dilakukan dengan sangat mendasar akan menemui jalan
panjang berliku, dimulai dengan ground truth/survei
lapangan, rektifikasi/pengikatan koordinat geografis ke
citra, interpretasi citra, klasifikasi terbimbing dan tak
terbimbing sampai pembuatan peta tematik dan labeling.
Melalui pengembangan Cloud Computing yang
diantaranya terdapat sebuah Cloud Based Service:
Google Fusion Tables, maka pengembangan aplikasi
Sistem Informasi Geografis dapat langsung dimulai
dengan membuat peta tematik. Pengembang cukup
melakukan digitasi di atas Citra Satelit menggunakan
berbagai aplikasi Free Open Source, yang akan
menghasilkan
KML/Kehole
Markup
Language.
Pengembang tidak membutuhkan pengetahuan sebagai
programmer yang rumit, hasil digitasi berbagai tutupan
lahan dalam bentuk KML cukup disatukan dalam lembar
kerja Google Fusion Tables dan akan tersimpan dalam
Google Drive. Akses terhadap aplikasi Sistem Informasi
Geografis dapat dibagi pakai diantara sesama pengguna
pemilik akun google. Pengembangan aplikasi Sistem
Informasi Geografis menjadi sangat mudah dan sangat
cepat, tambahan berbagai media seperti foto ataupun
video dapat disisipkan pada script KML menggunakan
fasilitas teks editor ataupun perangkat built-in dalam
Google Fusion Tables. Proses pembelajaran akan
menjadi sangat mudah bagi peserta/siswa.

2. Tinjauan Pustaka

Kata kunci :

Telah dilakukan penelitian sebelumnya
mengenai pengembangan Google Fusion Tables, yang
merupakan sebuah layanan berbasis Cloud Coumputing
bertujuan untuk membantu menyediakan berbagai
kemudahan pengembangkan aplikasi berbasis Cloud[1].
Pengembangan aplikasi Sistem Informasi
Geografis membutuhkan pangkalan data. Pangkalan data
disusun dari tabel dan atribut. Tiap atribut memiliki tipe
datanya masing-masing. Tipe data teks dan numerik
akan relatif cepat ditampilkan, sedangkan tipe data
image atau Binary Large Object / BLOB yang mungkin
berisi Citra Satelit atau embeded video akan menjadi
relatif sangat berat untuk ditampilkan. Menampilkan
Citra Satelit pada aplikasi Sistem Informasi
Geografis/SIG di WEB Browser sangat dipengaruhi oleh
kecepatan dan lebar bandwidth yang tersedia, pada
stasiun kerja yang terhubung dengan infrastruktur
berbandwith lebar dan cepat hal ini bukan masalah,

Cloud Based Service, Google Drive, Google Fusion
Tables, KML, Free Open Source.

1. Pendahuluan
Pengembangan aplikasi Sistem Informasi
Geografis jika dilakukan dengan sangat mendasar akan
menemui jalan panjang berliku, dimulai dengan ground
truth/survei lapangan, rektifikasi/pengikatan koordinat
geografis ke citra, interpretasi citra, klasifikasi
terbimbing dan tak terbimbing sampai pembuatan peta
tematik dan labeling. Jika dilakukan pengembangan
menggunakan bahasa pemrograman berbasis web seperti
PHP, JScript dan lainnya maka dibutuhkan keterampilan
pemrograman yang sangat mendasar. Dibutuhkan
pengetahuan pemrograman untuk membuat antar muka,

03-1

Prosiding semnasteknomedia 2013 | STMIK AMIKOM YOGYAKARTA

Prosiding semnasteknomedia 2013 | STMIK AMIKOM YOGYAKARTA

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Andere mochten auch

Andere mochten auch (20)

Ähnlich wie Prosiding semnasteknomedia 2013 | STMIK AMIKOM YOGYAKARTA

Ähnlich wie Prosiding semnasteknomedia 2013 | STMIK AMIKOM YOGYAKARTA (20)

Kürzlich hochgeladen

Kürzlich hochgeladen (20)

Prosiding semnasteknomedia 2013 | STMIK AMIKOM YOGYAKARTA