cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Yudhi Nugroho Adi
Contact Email
library@tekomuniversity.ac.id
Phone
+628128000110
Journal Mail Official
library@telkomuniversity.ac.id
Editorial Address
Jl. Telekomunikasi - Ters. Buah Batu Bandung 40257 Indonesia
Location
Kota bandung,
Jawa barat
INDONESIA
eProceedings of Engineering
Published by Universitas Telkom
ISSN : 23559365     EISSN : -     DOI : https://doi.org/10.34818/eoe.v9i5.18452
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering
Merupakan media publikasi karya ilmiah lulusan Universitas Telkom yang berisi tentang kajian teknik. Karya Tulis ilmiah yang diunggah akan melalui prosedur pemeriksaan (reviewer) dan approval pembimbing terkait.
Arjuna Subject : Teknik (semua kategori) - Teknik (Lain-Lain)
Articles 798 Documents
 16   17   18   19   20 
Search results for , issue "Vol 6, No 2 (2019): Agustus 2019" : 798 Documents clear
Analisis Sentimen Masyarakat Terhadap Kinerja Presiden Indonesia Dalam Aspek Ekonomi, Kesehatan, Dan Pembangunan Berdasarkan Opini Dari Twitter Widya Pratiwi Ali; Niken Dwi Wahyu Cahyani; Yuliant Sibaroni
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

AbstrakMenjelang pilpres tahun 2019, opini – opini atau tweet yang berkaitan dengan Presiden dan Calon Presidenadalah yang paling banyak diutarakan oleh pengguna twitter di Indonesia saat ini. Opini – opini masyarakatsangat penting untuk mengetahui keadaan keberpihakan masyarakat pada pemilihan presiden yang akandatang. Selain itu dengan melihat opini – opini yang terpampang secara bebas di twitter, kita dapatmengetahui secara umum keadaan beberapa aspek ekonomi, aspek kesehatan, dan aspek pembangunandengan memanfaatkan opini – opini di twitter. Pada Tugas Akhir ini dibangun sistem untuk analisissentimen dalam tiga aspek yaitu ekonomi, kesehatan, dan pembangunan yang berupa sentimen positif atausentimen negatif. Metode yang digunakan adalah Naïve Bayes dengan menggunakan ekstraksi fitur LexiconSentiWordnet dan penggabungan TF-IDF dengan Lexicon SentiWordnet. Masukan dari sistem ini berupadataset tweet dari Twitter sebanyak 1357, kemudian dataset tersebut dilabeli secara manual. Keluaran daripenelitian ini berupa evaluasi dengan menggunakan 10 fold cross validation, kemudian pengukuran akurasidiukur dengan confusion matrix. Berdasarkan hasil penelitian yang telah dilakukan, penggunaan NaïveBayes dengan ekstraksi fitur Lexicon SentiWordnet dalam pembuatan sistem Sentiment Analysis terbuktilebih baik dengan akurasi 84,75% dibandingkan dengan Naïve Bayes dengan menggunakan ekstraksi fiturTF-IDF ataupun TF-IDF yang digabungkan dengan Lexicon SentiWordnet.Kata kunci : Naïve Bayes, Lexicon SentiWordnet, Twitter , confusion matrix, analisis sentimen, TF-IDF AbstractTowards the 2019 presidential election, opinions or tweets related to the President and PresidentialCandidates are the most widely expressed by twitter users in Indonesia today. Public opinion is veryimportant to understand the state of community alignments in the upcoming Presidential election. Inaddition, by looking at opinions posted on Twitter, we can discuss several aspects of the economy, healthaspects, and aspects of infrastructure by using opinions on Twitter. In this Final Project a system forsentiment analysis is built in three aspects, namely economic, health, and development which containpositive sentiments or negative sentiments. The method that used is Naïve Bayes by using the LexiconSentiWordnet for the feature extraction and the integration of TF-IDF with Lexicon SentiWordnet. Issuedfrom this system consists of tweet datasets from Twitter totaling 1357, then the dataset is labeled manually.The output of this study consisted of evaluations using a 10-fold cross validation, then the evaluation wascompleted with a confusion matrix. Based on the results of research that has been done, the use of NaïveBayes with the extraction of the Lexicon SentiWordnet feature in making Sentiment Analysis systemsproved to be better with 84.75% consultation compared to Naïve Bayes by using the TF- IDF or TF-IDFfeature extraction combined with the Lexicon SentiWordnet.Keywords: Naïve Bayes, Lexicon SentiWordnet, Twitter, confusion matrix, sentiment analysis, TF-IDF
Klasifikasi Data Microarray dengan Metode Artificial Neural Network dan Genetic Algorithm untuk Kasus Deteksi Kanker Ilham Yunirakhman; Adiwijaya Adiwijaya; Widi Astuti
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Kanker adalah salah satu penyakit yang paling mematikan di dunia. Pada tahun 2012, terdapat 32,6 juta orang yang positif mengidap kanker dan 8,2 juta kematian yang disebabkan oleh kanker. Terdapat banyak cara yang bisa dilakukan untuk mendeteksi kanker sejak dini, salah satu caranya adalah dengan melakukan klasifikasi fitur pada data DNA microarray. Salah satu metode yang digunakan untuk mendeteksi kanker adalah metode Artificial Neural Network (ANN) – Backpropagation dengan bantuan Genetics Algorithm (GA). ANN digunakan sebagai metode klasifikasi untuk memprediksi kanker, sedangkan GA digunakan sebagai metode untuk mereduksi dimensi dari fitur DNA Microarray yang memiliki dimensi yang sangat besar. Pada penelitian ini dilakukan perbandingan antara metode ANN dan metode ANN-GA hybrid. Metode ANN-GA terbukti lebih efektif dari ANN karena dapat menghasilkan nilai akurasi 93.08% dan mereduksi dimensi hingga 51% dengan waktu running time lebih cepat hingga 42.2%. Kata Kunci : Artificial Neural Network (ANN), ANN-GA hybrid, DNA Microarray, Genetics Algorithm (GA)
Desain Sistem Pengenalan Wajah Menggunakan Raspberry Pi 3 Muhamad Ihsan S; Nyoman Bogi Aditya Karna; Raditiana Patmasari
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Tugas akhir ini menganalisis desain sistem pengenalan wajah yang menggunakan Raspberry Pi 3 B+ sebagai pusat sistem. Sistem pada Tugas Akhir ini menggunakan Raspberry Pi 3 B+ dan Raspberry Pi Camera Module V2.1. Adapun sistem face recognition yang digunakan merupakan sistem face recognition dari pyimagesearch yang diperuntukkan untuk Raspberry Pi 3. Terdapat program encode_face.py untuk melakukan proses training image dari lima orang subjek penelitian. Terdapat pula program pi_face_recogition.py yang akan dijalankan dan diuji terhadap empat orang yang wajahnya sudah ada pada database yang telah di training sebelumnya dan terhadap seseorang yang wajahnya tidak ada pada database sistem face recognition. Metode yang digunakan untuk face recognition yaitu Deep Metric Learning dengan triplet training step. Sistem face recognition pada tugas akhir ini berdasarkan pada pi_face_recognition yang berasal dari pyimagesearch oleh Adrian. Face recognition tersebut menggunakan network architecture bernama dlib milik David King dan modul face recognition milik Adam Geutgey. Sedangkan face detection memanfaatkan haar cascade frontal face default berupa file xml. Dataset terdiri dari 5 orang dengan jumlah foto wajah perorang yaitu 30, sehingga totalnya yaitu 150 foto. Kemudian dataset tersebut di training menggunakan encode_face.py sehingga menghasilkan berkas TUGASAKHIR-5subjek.pickle. Pengujian sistem face recognition dilakukan pada empat kondisi jarak pengujian yang berbeda yaitu 1,5 meter, 2 meter, 2,5 meter, dan 3 meter. Terdapat tiga macam parameter pengujian yaitu parameter size, parameter scale factor, dan parameter neighbourhood. Variasi nilai dari parameter size yaitu 20×20, 25×25, 30×30, dan 35×35. Variasi nilai dari parameter scale factor yaitu 1.1, 1.2, 1.3, dan 1.4. Variasi nilai dari parameter neighboarhood yaitu 3, 4, 5, dan 6. Hasil pengujian menunjukkan nilai Accuracy tertinggi yaitu 80% dan True Positive Rate mencapai 100% dengan parameter terbaik yaitu parameter size 20×20, parameter scale factor 1,1, dan parameter neighbourhood bernilai 3. Kata Kunci: Raspberry Pi 3 B+, face recognition, Deep Metric Learning . Abstract This final project analyzes the design of a face recognition system that uses Raspberry Pi 3 B + as the center of the system. The system in this final project uses Raspberry Pi 3 B + and Raspberry Pi Camera Module V2.1. The face recognition system used is a face recognition system from Pyimageseearch which is intended for Raspberry Pi 3. There is an encode_face.py program to carry out the image training process of five research subjects. There is also the pi_face_recogition.py program which will be run and tested on four people whose faces have been in a database that has been previously trained and on someone whose face is not in the face recognition system database. The method used for face recognition is Deep Metric Learning with step training triplets. The face recognition system in this thesis is based on pi_face_recognition originating from pyimagesearch by Adrian. Face recognition uses a network architecture called David King's Dlib and Adam Geutgey's face recognition module. Whereas face detection utilizes a default frontal face haar cascade in the form of an xml file. The dataset consists of 5 people with 30 photos per face, so that the total is 150 photos. Then the dataset is trained using encode_face.py to produce the TUGASAKHIR-5subjek.pickle file. Face recognition system testing is carried out on four different test conditions, namely 1.5 meters, 2 meters, 2.5 meters and 3 meters. There are three types of testing parameters, namely size parameters, scale factor parameters, and neighborhood parameters. Variations in the value of the size parameter are 20x20, 25x25, 30x30, and 35x35. Variations in the values of the scale factor parameters are 1.1, 1.2, 1.3, and 1.4. Variation values of the neighboring parameters are 3, 4, 5, and 6. The test results show the highest Accuracy value is 80% and the True Positive Rate reaches 100% with the best parameters, namely the size parameter 20 × 20, scale factor parameters 1,1, and parameters neighborhood is worth 3. Keywords: Raspberry Pi 3 B+, face recognition, Deep Metric Learning
Steganografi Video Dengan Penyisipan Pesan Rahasia Menggunakan Teks Pada Frame Video Berbasis Ssb-4 Dan Discrete Cosine Transform (dct) Satrio Ardhimasetyo; Iwan Iwut Tritoasmoro; Nur Ibrahim
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Seiring dengan perkembangan pertukaran informasi yang semakin lama semakin membutuhkan privasi, maka keamanan dan kerahasiaan sebuah pesan informasi sangat perlu diperhatikan. Maka dari itu diperlukan suatu cara untuk menyisipkan pesan yang membawa informasi kedalam media cover tertentu contohnya audio dan video, cara tersebut salah satunya menggunakan steganografi. Media yang digunakan pada Tugas Akhir ini video berformat AVI untuk format penyimpanan video setelah dilakukan proses penyisipan dan pesan yang akan disisipkan kedalam video berupa teks. Pada Tugas Akhir ini menggunakan pesan teks rahasia yang akan di input ke dalam video host yang dilakukan dengan metode SSB-4 dan DCT sebagai penentuan lokasi dimana akan disisipkan pesan tersebut. SSB-4 merupakan metode yang dilakukan dengan mengubah bit ke 4 dari citra cover akan digantikan oleh bit pesan dan memodifikasi bit-bit reminder (yang ada pada bit ke 1,2,3 dan 5). Metode DCT digunakan energinya sebagai penentuan frame terpilih. Nilai parameter terbaik yaitu pada video berukuran 720p dengan pesan yang disisipkan sebanyak 233 karakter, nilai yang didapatkan setelah dilakukan proses penyisipan pesan dan ekstraksi pesan menghasilkan nilai MSE = 0,048, PSNR = 61,256, BER = 0, dan CER = 0. Metode penyisipan menggunakan SSB-4 dan DCT sebagai penentuan frame terpilih terbukti tahan terhadap gangguan Gaussian Blur dengan nilai BER = 0 dan CER = 0 saat menggunakan video berukuran 360p dan 720p dengan pesan yang disisipi sebanyak 233 karakter. Kata Kunci : Steganografi video, PSNR, MSE, BER, CER. Abstract Along with the development of information exchange that increasingly requires privacy, the security and confidentiality of an information message are very important. So from that, we need a way to insert messages that bring information into certain media coverings, for example, audio and video one of which uses steganography. The media used in this Final Project is AVI format video for video storage format after the insertion process and the message will be inserted into the video in the form of text. In this Final Project use secret text messages that will be input into the video host which is done by the SSB-4 and DCT methods as a determination of the location where the message will be inserted. SSB-4 is a method that is done by changing the 4th bit of the cover image to be replaced by the message bit and modifying the reminder bits (which are in bits to 1,2,3 and 5). The DCT method uses its energy to determine the selected frame . The best parameter value is in 720p video with 233 characters inserted, the value obtained after message insertion and message extraction results in MSE = 0.048, PSNR = 61.256, BER = 0, and CER = 0. Insertion method uses SSB -4 and DCT as the determination of selected frames proved to be resistant to Gaussian Blur interference with BER = 0 and CER = 0 when using 360p and 720p videos with 233 characters inserted messages. Keywords : Video Steganography, PSNR, MSE, BER, CER.
Pemodelan Sambaran Petir Dengan Menggunakan Adaptive Neuro-fuzzy Inference System (anfis) (studi Kasus : Kota Bandung) Ary Pranajaya; Reza Fauzi Iskandar; Ahmad Qurthobi; Rasmid Rasmid
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Dalam penelitian ini dilakukan pembentukan dan pengujian suatu PEMODELAN (forecasting) jumlah sambaranpetir di Kota Bandung dengan menggunakan Adaptive Neuro-Fuzzy Inference System (ANFIS) berdasarkan data timeseries jumlah sambaran petir dari 1 jauari 2007 sampai 31 desember 2010. Penelitian dilakukan untuk membuatPEMODELAN dan mengetahui hasil peramalan tersebut. Pembuatan model dilakukan menggunakan software MATLABdengan metode ANFIS yang merupakan salah satu metode kecerdasan buatan. Dalam pemodelan tersebut, dilkakukandua hal yaitu pelatihan dan pengujian data. Pelatihan data bertujuan untuk mengtahui PEMODELAN sedangkan pengujiandata dilakukan untuk menguji PEMODELAN. Berdasarkan pelatihan yang dilkukan, diperoleh bahwa model mengikutibentuk pesamaan ∑ 𝑤𝑖̅̅̅ (𝑝𝑖𝑖𝑥1+ 𝑞𝑖) , dimana pada pengujian data didapatkan jumlah galat harian, MBE, dan RMSE yangkecil, yaitu masing-masing secara berurutan 3.63x10-6, -3.94x10-9, 2.84x10-8. Selain itu koefisien person korelasi yangdidapat adalah +1 artinya data ramal dan data aktual memiliki hubungan yang kuat serta arah yang positif yaitu peningkataatau penuruan pada data ramal mengikuti peningkatan atau penurunan data aktual. . Kata Kunci: Peramalan, Sambaran Petir, ANFISAbstract In this study, forming and testing of a forecasting model for the number of lightning strikes in the city of Bandungby using Adaptive Neuro-Fuzzy Inference System (ANFIS) based on time series data the number of lightning strikes from1 January 2007 to 31 December 2010. The research purpose to make forecasting models and knowing the results of theforecasting. Model making is done using MATLAB software with ANFIS method which is one of the methods of artificialintelligence. In the modeling, two things are done namely training and testing data. Data training purpose to knowforecasting models while data testing is done to test forecasting models.. Based on the training data, the model obtainedis the equation form ∑ 𝑤𝑖̅̅̅ (𝑝𝑖𝑖𝑥1+ 𝑞𝑖) , where in the test data the number of daily errors, MBE, and RMSE is small, whichare respectively respectively 3.63x10-6, -3.94x10-9, 2.84x10-8. In addition, the correlation coefficient obtained is +1,meaning predictive data and aktual data have a strong and positive direction, namely increasing or decreasing theforecast data following an increase or decrease in aktual data.Keywords: Forecasting, Lightning Strikes, ANFIS
Seasonal Autoregressive Integrated Moving Average dan Artificial Neural Network Untuk Memprediksi Data Seasonal Muhammad Akmal Afghani; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Penelitian ini bertujuan untuk menerapkan algoritma Artificial Neural Network (ANN) yang diharapkan meningkatkan akurasi dari model Seasonal Autoregressive Integrated Moving Average (SARIMA) yang merupakan salah satu bagian dari model time series pada prediksi data seasonal. Informasi dasar mengenai data menggunakan estimasi parameter pada masing-masing model SARIMA menggunakan Bayesian Information Criterion (BIC). Nilai error untuk mengevaluasi SARIMA(2,0,0)(0,1,1)12 dan ANN didapatkan menggunakan Mean Absolute Error (MAE). Pada penelitian ini, model estimasi dari SARIMA (2,0,0)(0,1,1)12 dan jumlah node hidden layer pada uji algoritma ANN yaitu 20 dengan fungsi aktivasi log sigmoid dan linear. Performansi MAE pada data training dan data testing dari model SARIMA (2,0,0)(0,1,1)12 adalah 0.086 dan 0.071, ketika hasil prediksi SARIMA dimasukkan ke ANN nilai error pada data testing dan training menjadi lebih kecil yaitu 0.046 dan 0.052. Berdasarkan hasil prediksi, data seasonal yang digunakan mendapatkan perubahan error menjadi kecil saat hasil model SARIMA dimasukkan ke algoritma ANN. Kata kunci : Data seasonal, SARIMA, ANN
Efek Slot Pada Antena Mikrostrip Triangular Dual Band Dengan Frekuensi Antena Awal 2,4 Ghz Rizki Al-Qanun Ariantono; Bambang Sumajudin; Trasma Yunita
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Antena mikrostrip merupakan salah satu jenis antena yang cukup popular saat ini. Ini memiliki bentuk dan ukuran yang kecil dengan kemampuan meradiasi dan menerima sinyal yang baik. Dengan berkembangnya teknologi semikonduktor menyebabkan ukuran dari perangkat yang digunakan semakin mengecil. Oleh karena itu dibutuhkan suatu antena dengan bentuk fisik yang kompak, mudah dipabrikasi dan memiliki peforma yang tinggi untuk diaplikasikan pada perangkat nirkabel yang ada, maka antena mikrostrip adalah salah satu solusi untuk digunakan pada permasalahan tersebut. Pada simulasi ini menggunakan dua perangkat lunak. Merancang antena mikrostrip patch bentuk segitiga dengan pencatuan langsung ke patch yang dapat beroperasi pada frekuensi 2,4 GHz. Kemudian akan ditambahkan slot pada bagian tengah patch tanpa mengubah ukuran patch antenanya. Slot ini dirancang dengan bentuk belah ketupat, lingkaran, segitiga, persegi dan segitiga terbalik dengan ukuran 10 mm2 – 100 mm2 untuk setiap slotnya. Hasil dari simulasi ini dapat mengetahui efek dari pemberian slot pada operasi kerja dual band di antena mikrostrip segitiga pada parameter frekuensi, bandwidth dan gain. Dari hasil percobaan, setelah ditambahkan slot mengakibatkan pergeseran nilai frekuensi resonansi menjadi semakin kecil, yakni dari 2,404 GHz – 2,367 GHz. Kemudian terjadi kenaikan nilai VSWR dari 1,67 hingga 3,123. Kemudian untuk frekuensi resonansi tinggi setelah ditambahkan slot, mengakibatkan pergeseran frekuensi semakin kecil, yakni dari 6,405 GHz hingga 5,972 GHz dan terjadi kenaikan nilai bandwidth hingga 182,4 MHz dan gain hingga 5,32 dB. Kata kunci : antena mikrostrip, slot, dual band, frekuensi, bandwidth, gain Abstract Microstrip antenna is one type of antenna that is quite popular at this time. It has a small shape and size with the ability to radiate and receive good signals. With the development of semiconductor technology, the size of the devices used has become smaller. Therefore we need an antenna with a physical form that is compact, easily fabricated and has a high performance to be applied to existing wireless devices, the microstrip antenna is one solution to be used for these problems. In this simulation using two software. Design a triangular patch microstrip antenna with direct feed to a patch that can operate at a frequency of 2.4 GHz. Then a slot will be added in the middle of the patch without changing the size of the patch antenna. This slot is designed with a rhombus shape, circle, triangle, square and inverted triangle with a size of 10 mm2 - 100 mm2 for each slot. The results of this simulation can find out the effect of giving slots on dual band working operations on a triangular microstrip antenna on frequency, bandwidth and gain parameters. From the experimental results, after adding a slot, it causes the shift in the value of the resonant frequency to be smaller, ie from 2.404 GHz to 2.367 GHz. Then there was an increase in the value of VSWR from 1.67 to 3.123. Then for high resonance frequencies after adding slots, resulting in smaller frequency shifts, from 6.405 GHz to 5.972 GHz and an increase in bandwidth values up to 182.4 MHz and gain up to 5.32 dB. Keywords: microstrip antena, slot, dual band, frequency, bandwidth, gain
Perancangan Website Marketplace Pada Startup Borongajayuk Menggunakan Metode Iterative Dan Incremental Adila Chusnul Fatiyah; Soni Fajar Surya Gumilang; Deden Witarsyah
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Kegagalan dalam melakukan pengujian sebuah software dapat menyebabkan produk yang dihasilkan tidak berjalan sesuai dengan requirement dan dapat menyebabkan kerugian ekonomi yang besar. Untuk itu maka perlu dilakukan pengujian yang tepat pada aplikasi dengan tujuan untuk menemukan suatu kesalahan pada aplikasi. Suatu test telah berhasil, apabila test tersebut dapat membongkar suatu kesalahan yang awalnya tidak ditemukan. Pada penelitian ini dilakukan pengujian perangkat lunak dengan menggunakan metode Black Box Testing. Teknik Black Box testing ini terbagi menjadi dua pengujian yaitu pengujian fungsional dan pengujian non fungsional. Pada pengujian fungsional peneliti menggunakan pengujian unit testing, stress testing, integration testing, dan environment testing. Sedangkan pada pengujian non fungsional peneliti menggunakan stress testing. Pengujian dengan menggunakan teknik Black Box Testing ini dilakukan pada aplikasi website jual beli online BorongAjaYuk. Pada pengujian terhadap website tersebut, dihasilkan nilai kualitas website dari pengujian user acceptance sebesar 75.87%, nilai ini didapat dari perhitungan skala likert terhadap 30 responden, dengan dimensi pengukuran kualitas website menggunakan webqual 4.0. Sedangkan pada pengujian stress testing disimpulkan bahwa server website BorongAjaYuk dapat menangani request sebesar 615.50 /detik dengan jumlah request access sebanyak 50 access dan jumlah koneksi ke server sebanyak 100 koneksi. Kata kunci: BorongAjaYuk, website, marketplace, functional and non-functional testing. Abstract Failure to test a software can cause the resulting product not to run according to requirements and can cause large economic losses. For this reason, it is necessary to carry out proper testing on the application with the aim of finding an error in the application. A test has been successful, if the test can uncover an error that was not initially found. In this study software testing was carried out using the Black Box Testing method. The Black Box testing technique is divided into two tests, namely functional testing and non-functional testing. In functional testing researchers use unit testing, stress testing, integration testing, and environment testing. Whereas in non-functional testing researchers use stress testing. Testing using the Black Box Testing technique is carried out on online buying and selling website applications BorongAjaYuk. In testing the website, the quality value of the website from user acceptance testing was generated at 75.87%, this value was obtained from the calculation of the Likert scale on 30 respondents, with dimensions of website quality measurement using webqual 4.0. Whereas in stress testing it can be concluded that the BorongAjaYuk website server can handle requests of 615.50 / second with the number of access requests as many as 50 accesses and the number of connections to the server as many as 100 connections. Keyword: BorongAjaYuk, website, marketplace, functional and non-functional testing.
Analisis Positioning Aplikasi Mybluebird Berdasarkan Perceptual Maping Menggunakan Metode Multidimensional Scaling Nur Atikah; Sari Wulandari; Rio Aurachman
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak MyBluebird adalah salah satu aplikasi transportasi mobil online yang ada di Indonesia. MyBluebird memiliki beberapa gejala permasalahan seperti tingkat awareness pada merek MyBluebird yang rendah, rendahnya tingkat preferensi pengguna MyBluebird daripada merek lain dan menurunnya laba yang didapatkan oleh Bluebird maka dapat disimpulkan bahwa merek MyBluebird Lemah. Tujuan dari penelitian ini adalah untuk mengetahui positioning MyBluebird diantara kompetitornya berdasarkan perceptual mapping dengan metode multidimensional scaling. Atribut yang digunakan dalam penelitian ini adalah tarif, keamanan, spesifikasi mobil, interaction Quality, merek, promosi, waktu tunggu, kemudahan penggunaan aplikasi, reputasi brand aplikasi, kenyamanan, informasi lokasi driver, kesediaan driver menjemput penumpang yang berlokasi jauh, review driver, ketersediaan armada driver. Sampel penelitian ini berjumlah 180 responden pengguna aplikasi transportasi mobil online. Melalui perceptual mapping didapatkan bahwa MyBluebird menempati wilayah yang sama dengan AA Klik. Pesaing utama dari MyBluebird adalah AA Klik. Pada penelitian ini Gojek menempati posisi yang paling unggul walaupun berada di wilayah yang berbeda dengan MyBluebird dan dijadikan acuan untuk penyusunan perbaikan posisi dengan keunggulan yang dimiliki oleh MyBluebird adalah keamanan. Strategi positioning dapat dilakukan pada atribut tarif, spesifikasi mobil, interaction Quality, merek, promosi, waktu tunggu, kemudahan penggunaan aplikasi, reputasi brand aplikasi, kenyamanan, informasi lokasi driver, kesediaan driver menjemput penumpang yang berlokasi jauh, review driver, ketersediaan armada driver untuk memenangkan persaingan. Kata Kunci: Positioning, Transportasi Mobil Online, Perceptual Mapping dan Multidimensional Scaling. Abstract MyBluebird is one of the online car transportation applications in Indonesia. MyBluebird has several symptoms of problems such as the level of awareness on the low MyBluebird brand, the low level of preference of MyBluebird users than other brands and the decrease in profits earned by Bluebird, so it can be concluded that the brand MyBluebird is Weak. The purpose of this study was to find out the MyBluebird positioning among its competitors based on perceptual mapping with multidimensional scaling methods. Attributes used in this study are rates, security, car specifications, interaction Quality, brand, promotion, waiting time, application ease, application brand reputation, convenience, driver location information, willingness to pick up passengers located far away, driver reviews, availability fleet driver. The sample of this study amounted to 180 respondents using online car transportation applications. Through perceptual mapping it was found that MyBluebird occupies the same area with AA Klik. The main competitor of MyBluebird is AA Klik. In this study Gojek occupies the most superior position even though it is located in a different area with MyBluebird and is used as a reference for the preparation of position improvements with the advantages possessed by MyBluebird is security. Positioning strategies can be done on attributes of rates, car specifications, interaction Quality, brands, promotions, waiting times, ease of use of applications, application reputation, convenience, driver location information, willingness of drivers to pick up passengers located far away, review drivers, availability of fleet drivers for win the competition. Keywords: Positioning, Transportation Car Online, Perceptual Mapping and Multidimensional Scaling
Analisis Malware Berdasarkan Api Call Memory Dengan Metode Deteksi Signature-based Julian Dwi Nugraha; Avon Budiyono; Ahmad Almaarif
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Malware merupakan sebuah perangkat lunak atau program komputer yang digunakan untuk melakukan tindakan kejahatan. Malware pada dasarnya dirancang untuk menginfeksi sistem komputer penguna tanpa persetujuan pemiliknya. Trojan, Worms, Virus, Spyware, dan Keylogger adalah kategori malware yang dapat merugikan pengguna yang telah terinfeksi. Berdasarkan hal tersebut maka dari itu diperlukan malware analysis menggunakan API call memory dengan metode signature based detection. Signature based detection adalah teknik deteksi yang berdasarkan pattern matching, string, mask, atau teknik fingerprinting. Signature adalah teknik persamaan bit yang disuntikkan dalam program aplikasi oleh attacker, yang secara unik mengidentifikasi jenis malware tertentu. Hal ini digunakan dengan tujuan untuk mengidentifikasi malware tersebut menggandung program yang dapat mengambil data pengguna tanpa sepengetahuan pengguna itu sendiri. Maka dari itu didalam penelitian ini dilakukan malware analysis menggunakan sebanyak 30 malware untuk melihat jenis API call yang digunakan oleh malware tersebut. Pada penelitian ini berfokus untuk melakukan analisis pada API Memory yang telah didapatkan. Dari semua malware akan menjalankan satu API memory yang sama ketika dijalankan pertama kali. Hasil pada penelitian ini untuk melihat API call memory dan hasil signature yang telah dilakukan menggunakan metode signature based detection dan melihat keterkaitan antara API call memory dengan hasil signature pada setiap malware Kata kunci : malware, malware analysis, static analysis, dynamic analysis, signature-based, Abstract Malware is a software or computer program that is used to commit a crime. Malware is basically designed to infect user computer systems without the owner's consent. Trojans, Worms, Viruses, Spyware, and Keyloggers are categories of malware that can harm infected users. Based on this, the analysis malware is used using the API call memory with the signature-based detection method. Signature-based detection is a detection technique based on pattern matching, strings, masks, or fingerprinting techniques. Signature is a bit equation technique that is injected into an application program by an attacker, which uniquely identifies certain types of malware. It is used with the aim of identifying the malware containing a program that can retrieve user data without the user's own knowledge. Therefore, in this research, malware analysis uses as many as 30 malware to see the type of API call used by the malware. This research focuses on analyzing the obtained API Memory. Of all malware will run the same API memory when running the first time. The results of this study are to see the call memory API and the results of the signatures that have been done using the signature-based detection method and see the relationship between the call memory API and the results of the signatures on each malware Keywords: malware, malware analysis, static analysis, dynamic analysis, signature-based.

Page 18 of 80 | Total Record : 798

 16   17   18   19   20 

Filter by Year

2019 2019


Reset
Filter By Issues
All Issue Vol 10, No 5 (2023): Oktober 2023 Vol 10, No 4 (2023): Agustus 2023 Vol 10, No 3 (2023): Juni 2023 Vol 10, No 2 (2023): April 2023 Vol 10, No 1 (2023): Februari 2023 Vol 9, No 6 (2022): Desember 2022 Vol 9, No 5 (2022): Oktober 2022 Vol 9, No 4 (2022): Agustus 2022 Vol 9, No 3 (2022): Juni 2022 Vol 9, No 2 (2022): April 2022 Vol 9, No 1 (2022): Februari 2022 Vol 8, No 6 (2021): Desember 2021 Vol 8, No 5 (2021): Oktober 2021 Vol 8, No 4 (2021): Agustus 2021 Vol 8, No 3 (2021): Juni 2021 Vol 8, No 2 (2021): April 2021 Vol 8, No 1 (2021): Februari 2021 Vol 7, No 3 (2020): Desember 2020 Vol 7, No 2 (2020): Agustus 2020 Vol 7, No 1 (2020): April 2020 Vol 6, No 3 (2019): Desember 2019 Vol 6, No 2 (2019): Agustus 2019 Vol 6, No 1 (2019): April 2019 Vol 5, No 3 (2018): Desember 2018 Vol 5, No 2 (2018): Agustus 2018 Vol 5, No 1 (2018): April 2018 Vol 4, No 3 (2017): Desember, 2017 Vol 4, No 2 (2017): Agustus, 2017 Vol 4, No 1 (2017): April, 2017 Vol 3, No 3 (2016): Desember, 2016 Vol 3, No 2 (2016): Agustus, 2016 Vol 3, No 1 (2016): April, 2016 Vol 2, No 3 (2015): Desember, 2015 Vol 2, No 2 (2015): Agustus, 2015 Vol 2, No 1 (2015): April, 2015 Vol 1, No 1 (2014): Desember, 2014 More Issue