cover
Contact Name
Ventje Jeremias Lewi Engel
Contact Email
ventje@ithb.ac.id
Phone
-
Journal Mail Official
dina_angela@ithb.ac.id
Editorial Address
-
Location
Kota bandung,
Jawa barat
INDONESIA
Jurnal Telematika
ISSN : 18582516     EISSN : 25793772     DOI : -
Jurnal Telematika is a scientific periodical written in Indonesian language published by Institut Teknologi Harapan Bangsa twice per year. Jurnal Telematika publishes scientific papers from researchers, academics, activist, and practicioners, which are results from scientific study and research in the field of telematics and information technology.
Arjuna Subject : -
Articles 6 Documents
Search results for , issue "Vol 11, No 1 (2016)" : 6 Documents clear
Sistem Informasi Manajemen Data Historis Artis untuk Mendukung Penilaian Performa (Studi Kasus: XYZ Entertainment) Tamsir Hasudungan Sirait; Yosi Yonata; Tiatira Angkouw
Jurnal Telematika Vol 11, No 1 (2016)
Publisher : Institut Teknologi Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

XYZ Entertainment adalah perusahaan yang bergerak dalam bidang industri hiburan, dalam hal ini menangani manajemen artis dan label rekaman. Manajemen artis yang efektif tidak terlepas dari pengambilan keputusan yang tepat dari owner sebagai top management dalam mengelola maintenance performa artis, di mana keputusan yang dikeluarkan bisa mempengaruhi peningkatan penjualan artis dan juga peningkatan penghasilan perusahaan. Namun, pengambilan keputusan yang tepat oleh owner sulit dilakukan karena belum terdapat penilaian performa artis yang akurat. Hal ini disebabkan oleh proses pengelolaan data historis job dan penjualan lagu artis masih diolah secara konvensional, di mana masing-masing data dikelola oleh pihak yang berbeda dan tidak terpusat, dan owner kadang kala mengalami kesulitan dalam mengakses data. Selain itu, data-data tersebut belum diolah menjadi informasi performa artis yang akurat dengan metode perhitungan performa artis yang tepat. Untuk mengatasi masalah tersebut, maka diperlukan suatu sistem informasi manajemen data historis artis yang terintegrasi, sehingga memudahkan owner dalam pengaksesan dan pengevaluasian informasi performa. Sistem informasi manajemen data historis yang terintegrasi secara digital dapat mempermudah pengelolaan data dan mempermudah perhitungan performa artis setiap bulannya dengan perhitungan matematis, sehingga informasi performa artis dapat tersedia dan informasi tersebut dapat membantu owner dalam proses pengambilan keputusan. Hasil dari penelitian ini adalah, melalui sistem informasi manajemen data historis yang sudah terintegrasi dan terotomatisasi, serta pengolahan data oleh sistem yang telah menghasilkan informasi performa artis, maka proses pengelolaan data, akses data, pengevaluasian informasi performa dapat dilakukan lebih mudah dan cepat, dan pengambilan keputusan oleh owner dapat dilakukan dengan lebih akurat berdasarkan nilai performa artis setiap bulannya.
Kompensasi Kemiringan Nampan Printer Tiga Dimensi Menggunakan Auto Level Switch Zakarias Januaji; Tunggul Arief Nugroho; Maclaurin Hutagalung
Jurnal Telematika Vol 11, No 1 (2016)
Publisher : Institut Teknologi Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Printer tiga dimensi yang beredar di seluruh dunia memiliki banyak jenis. Printer yang ditujukan untuk individu atau rumahan memiliki fitur yang lebih sedikit daripada printer profesional. Salah satu fitur yang dibutuhkan untuk mengurangi campur tangan manusia sekaligus menjaga kualitas cetak adalah auto level. Auto level menjawab masalah kalibrasi manual kesejajaran nampan dan extruder dengan kompensasi yang cukup agar proses cetak dapat beradaptasi pada nampan yang miring. Penelitian yang spesifik menggunakan saklar sebagai sensor ketinggian nampan menghasilkan gambaran bahwa auto level dengan konfigurasi yang tepat dapat menjanjikan kualitas cetak pada kasus umum, yaitu kemiringan yang landai. Untuk kebutuhan auto level yang lebih tangguh, sensor lain yang sesuai dapat diaplikasikan. 
Analisis Big Data Berbasis Stream Processing Menggunakan Apache Spark Claudia Zefanya Tumbel; Herry Sitepu; Maclaurin Hutagalung
Jurnal Telematika Vol 11, No 1 (2016)
Publisher : Institut Teknologi Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Teknologi big data memiliki 3 ciri utama yaitu volume, kecepatan tinggi dan kompleks. Pengolahan big data bukanlah hal yang mudah karena harus diolah secara real-time. Banyak perusahaan mengalami kendala dalam mengolah big data. Kendala tersebut berupa penyimpanan data yang tidak terstruktur, tidak lengkap, dan sulit diakses. Oleh karena itu, ada beberapa metode untuk mengolah big data, yaitu Tupel, Micro Batching, dan Widowed Real-Time Stream Processing. Metode yang digunakan dalam penelitian ini adalah windowed real-time stream processing. Penerapan stream processing membutuhkan perangkat lunak tertentu, yaitu Apache Spark. Apache Spark merupakan salah satu open-source software yang digunakan untuk menganalisis dan mengolah streaming data. Penerapan Apache Spark untuk big data dimulai dengan tahap pengintegrasian yang bertujuan agar Apache Spark dapat memperoleh data-data yang akan dianalisis. Hasil akhir dari penerapan metode ini berupa suatu sistem yang dapat membantu perusahaan untuk mengolah big data.
Perbandingan Penyelesaian Persamaan Diferensial Biasa Menggunakan Metode Backpropagation, Euler, Heun, dan Runge-Kutta Orde 4 Jayme Yeremia Wijaya; The Houw Liong; Ken Ratri Retno Wardani
Jurnal Telematika Vol 11, No 1 (2016)
Publisher : Institut Teknologi Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Persamaan diferensial banyak digunakan sebagai model matematika atau dalam bidang sains lainnya. Dalam persamaan tersebut dibutuhkan tingkat akurasi yang sangat tinggi sehingga diciptakan beberapa metode untuk menyelesaikan persamaan diferensial itu. Salah satu metode yang digunakan adalah Metode Numerik dan Metode Artificial Neural Network (ANN). Ada 4 metode yang terlibat dalam penelitian ini, yaitu Metode Euler, Heun, Runge-Kutta Orde 4 yang termasuk pada metode Numerik, dan Backpropagation Neural Network (BPNN) yang termasuk dalam Metode ANN. Penelitian ini untuk membuktikan bahwa dalam menyelesaikan persamaan diferensial penggunaan Metode BPNN lebih baik daripada Metode Numerik. Hal ini dibuktikan dengan hasil Euclidean Distance dari BPNN lebih baik dibandingkan metode yang lain. Hasil penyelesaian akan terlihat lebih jelas ketika persamaan diferensial tersebut mengandung unsur chaos. Jika dilihat dari grafik penyelesaiannya, BPNN memiliki grafik yang mirip dengan grafik dari solusi sejatinya. Berbeda dengan penyelesaian yang menggunakan Metode Numerik, hasil grafik garis yang diperoleh tidak memiliki kemiripan dengan solusi sejatinya. Differential equation are widely used as a model in the mathematics model or other science. In this equation takes a very high level of accuracy that was created several methods to solve the differential equations. One of the method used is Numerical Method and Artificial Neural Network (ANN). There are four methods involved in this study, Euler Method, Heun, and Runge-Kutta Order 4 are included in Numerical Methods, and Backpropagation Neural Network (BPNN) which included in ANN Method. This research is to prove that in solving differential equations using BPNN Method is better than Numerical Method. This is evidenced by the result of Euclidean Distance from BPNN is better than other methods. The result of the solving will be seen more clearly when the differential equation contains elements of chaos. If seen from the graph, BPNN have a graph similar to the graph of the Analitic Solution. Contrast to the solving using Numerical Methods, the line graph has no resemblance to the Analitic Solution.
Metode Star Skeletonization untuk Menghitung Jumlah Pejalan Kaki pada Citra Natanael Natanael; Ken Ratri Wardani
Jurnal Telematika Vol 11, No 1 (2016)
Publisher : Institut Teknologi Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Menghitung pejalan kaki secara otomatis, dilakukan dengan mendeteksi dan menganalisis objek-objek yang terlihat bergerak. Masalah yang ada jika dua orang atau lebih berjalan berdekatan dan menempel,  orang dalam keadaan diam ditempat atau duduk, dan ketika objek yang bergerak bukan saja pejalan kaki tetapi orang naik sepeda, mobil, atau objek bukan pejalan kaki lainnya. Metode Star Skeletonization diterapkan untuk mengenali objek pejalan kaki berdasarkan 3 dan 5 garis yang ditentukan. Pra pemrosesan yang dilakukan background subtraction untuk mendapatkan objek bergerak, opening untuk menghilangkan noise, closing untuk menghilangkan celah pada objek, dan ekstraksi border untuk mendapatkan segmentasi objek. Hasil pengujian nilai threshold 5, structuring elemen berbentuk rect 3x3 untuk proses opening, structuring elemen berbentuk rect 5x5 untuk proses closing, dan Star Skeletonization tiga garis memberikan hasil terbaik untuk pengenalan pejalan kaki. Hasil pengujian untuk rentetan citra diam dengan pejalan kaki tunggal dan tidak berdempetan tingkat akurasi  90%, artinya objek pejalan kaki dapat dikenali dengan baik.  Ketika ramai pejalan kaki tingkat akurasi 32.5%, hal ini disebabkan banyaknya pejalan kaki yang berdekatan sehingga nampak saling bergabung menjadi satu objek. Hal itu menyebabkan kesalahan perhitungan. Pra pemrosesan awal tidak dapat memisahkan objek yang tumpang tindih. Count up of pedestrians are automatically, performed by detecting and analyzing objects appear to move. The problem occurs when two or more runs adjacent and attached, people who do not move or sit, and when a moving object is not only pedestrians but people ride bicycles, cars, or other objects rather pedestrian. Star Skeletonization methods applied to recognize objects pedestrians by 3 and 5 lines are determined. Initial processing done that background subtraction to get moving objects, opening to remove noise, closing to eliminate the gap on the object, and the border extraction to get the object segmentation. Results of testing the threshold value 5, 3x3 rect-shaped structuring element for the process of opening, 5x5 rect-shaped structuring element for the process of closing, and Star Skeletonization three lines provide the best results for the introduction of a pedestrian. The test results for a series of still image with a single pedestrian and not huddled get a 90% accuracy rate, meaning that the object of pedestrians can be recognized well. When crowded pedestrian accuracy rate of 32.5%, this is due to the many pedestrians adjacent to each other seem to merge into one object. That caused a calculation error. Initial processing can not separate the objects that overlap.
Penerapan Metode Mel Frequency Ceptral Coefficient dan Learning Vector Quantization untuk Text-Dependent Speaker Identification Sukoreno Mukti Widodo; Elisafina Siswanto; Oetomo Sudjana
Jurnal Telematika Vol 11, No 1 (2016)
Publisher : Institut Teknologi Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Layanan keamanan pada umumnya menggunakan kata sandi untuk membatasi dan mengontrol akses layanan tersebut.Kata sandi yang biasa digunakan sering kali berbentuk teks.Penggunaan kata sandi dengan bentuk teks dianggap masih kurang aman karena sering kali terjadi kebocoran. Maka dari itu dibutuhkanlah bentuk lain dari kata sandi, untuk meningkatkan keamanan dalam mengakses layanan atau data tertentu. Salah satunya adalah dalam bentuk suara. Sistem ini berbasis pada input berupa file audio dengan data ucapan yang bergantung pada teks atau text-dependent dengan output adalah identitas pembicara yang teridentifikasi. Pada penelitian ini, sistem pengenalan pembicara dibuat untuk dapat mengenali suara pembicara dengan menggunakan Mel-Frequency Cepstral Coefficients yang digunakan untuk melakukan ekstraksi fitur dari data suara sehingga dihasilkan fitur-fitur yang mewakili pembicara tersebut dan metode Learning Vector Quantization yang digunakan untuk melatih data-data hasil ekstraksi dan mencocokan data latih dengan data baru sehingga didapatkan identitas dari pembicara berdasarkan suara tersebut. Dari hasil pengujian pada sistem ini, didapatkan identification rate tertinggi adalah 88.9% dengan menggunakan data dengan durasi sekitar 8 detik. Security services generally use a password to restrict and control access to its services. Many password used is often in the text form. This type of password is considered less secure because it can be obtained by unauthorized people. Other forms of password are required to increase the security in accessing services or specific data such as voices. This system is based on the input of an audio file such as utterance that depends on text or text-dependent. In this study, the speaker recognition system is made to recognize the speaker of an audio file using Mel-Frequency Ceptral Coefficients for extracting voice data to produce features that represent the speaker and Learning Vector Quantization (LVQ) to train the data extraction and matching training data with new data to obtain the identity of the speaker based on the sound. From the experiment result, obtained the highest identification rate is 88.9% using data with a duration about 8 seconds.

Page 1 of 1 | Total Record : 6