TEMU KEMBALI INFORlV1ASI l\lUSlKAL PAD A BASIS DATA AUDIO l\IENGGUNAKAN ALGORITl\IA KESAMAAN STRING BAEZA YATES - PERLEBERG
ISSN: 1411-107'
PRO
S
D
N
Gzyxwvutsrqpon
SNIKTI V
zyxwvutsrqponm
Seminar Nasional Ilmu Komputer dan Teknologi Informasi V
Vol. V No, 1 September 2004
Aula Matematika - FMIPA IPS, 2-3 September 2004
DEPARTEMEN ILMU KOMPUTER - FMIPA
INSTITUT PERT ANIAN BOGaR
•
SEMINAR NASIONAL ILMU KOMPUTER DAN TEKNOLOGI INFORMASI V 1004zyxwvutsrqponmlkjihg
DAFTARISI
Kata Pengantar
1
Sambutan Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam E"JB
Susunan Panitia
Susunan Acara
11
111
,.....
Jadwal Penyajian Makalah
Daftar Makalah
.
IV
V
,......................................................
Xl
KATAPENGANTARzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIH
Dengan mengucap syukur ke hadirat Allah SWT, Departemen Ilmu Komputer
Fakultas Matematika dan Ilmu Pengetahuan Alam IPB mengadakan Seminar Nasional
Ilmu Komputer dan Teknologi Informasi 2004 (SNIKTI-2004) pada tanggal 2 - 3
September 2004 di Kampus JPB Baranangsiang Bogor. Seminar ini merupakan
kegiatan rutin dari Indonesian Society on Computer and Information Sciences (leIS).
Pada kesempatan ini bekerja sama dengan Departemen Ilmu Komputer IPB.
Pada seminar ini Panitia
institusi pendidikan tinggi seperti
Telkom Bandung, Univ. Pancasila
diterima untuk dipresentasikan dan
: 1411 - 1071.
menerima 87 makalah penelitian dari beberapa
IPB, ITB, ITS, UI, Univ. Petra Surabaya, STT.
, dan lain-lain. Setelah dievaluasi, 58 makalah
dibukukan dalam bentuk presiding dengan ISSN
Panitia menyampaikan penghargaan setinggi-tingginya
kepada keynote
speaker, para pemakalah dan peserta yang telah hadir dalam acara seminar ini,
sehingga dapat memberikan kontribusi yang tidak ternilai. Selanjutnya kepada pihakpihak yang membantu sehingga acara ini dapat berlangsung dengan lancar kami
ucapkan banyak terima kasih. Kemudian bila di dalam proses awal sampai
terselenggaranya acara ini terdapat kesalahan atau hal-hal yang kurang berkenan,
maka atas nama panitia kami mahan maaf sebesar-besarnya.
Bogor, September 2004
If. Agus Buono, M.Si., M.Komp.
Penanggung Jawab SNIKTI V 2004
SAMzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
BUrAN
DEKAN FAKVLTAS MATEMATIKA DAN lLMU PENGETAHUAN ALAM
INST1TUT PERTANIAN BOGaR
Assalamu 'alaikum 'Wr. Wb.
Pertama-tama marilah kita panjatkan puji syukur ke hadirat Allah SWT Tuhan Yang Mahakuasa, dimana hanya karena rahmat dan hidayahNya maka Seminar
Nasional Ilmu Komputer dan Teknologi Informasi 2004 (SNIKTI-2004) ini dapat
terselenggara dengan baik. Saya ucapkan selamat datang kepada semua pemakalah
dan peserta SNIKTI-2004 di Institut Pertanian Bogor.
SNIKTI·2004 terselenggara atas kerja sama antara Departemen IImu
Komputer IPB d.engan Masyarakat Ilmu Komputer dan Informasi Indonesia (atau
yang lebih deikenal dengen sebutan leIS -zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
Indonesian Society on Computer and
Information Sciences) yang berpusat di Fakultas Ilmu Komputer UI. SNlKTI ini
merupakan kegiatan seminar nasional ke-5 . Topik yang dipresentasikan mencakup
materi yang terkait dengan hidang ill1111kornputcr dan tcknologi informasi beserta
aplikasinya. Dengan cakupan materi ini diharapkan partisipan kegiatan SNIKTI
berasal dari kalangan peneiiti, akademisi dan praktisi.
Forum ini diharapkan dapat dimanfaatkan untuk diseminasi hasil penelitian
teknologi infonnasi. Selain itu seminar ini dapat menjadi wahana untuk berdiskusi
dan berkomunikasi serta untuk meningkatkan kerjasama antar peneliti dan praktisi.
Akhirnya, perkenankanlah saya sampaikan terirna kasih yang scbesar-besarnya
kepada semua pihak yang telah rncndukung suksesnya penyelenggaraan SNIKTI2004, terutama sekali kepada komitc pelaksana dan program, para sponsor, dan pihakpihak lain yang secara langsung maupun tidak langsung telah ikut memberikan andil
bagi terselenggaranya SNIKTI 2004, Semoga bantuan dan amal baiknya akan
mendapat ganti yang jauh lebih baik dari Allah SWT. Semoga kegiatan seminar
nasional ini akan mernberikan manfaat yang sebesar-besamya bagi semua pihak yang
memerlukan.
Wassalarnu 'alaikum Wr. Wb.
Dr. Ir. Yonny Kcesmaryono, MS.
11
SEMINAR NASIONAL ILMU KOMPUTER DAN TEKNOLOGI INFORMASI V 2004zyxwvutsrqponmlkjihgfe
SUSUNAN PANITIA
Penanggung Jawab
• Ir. Agus Buono M.St. Mkomp (IPB)
• Dr. Benyamin Kusumoputro (DI)
Komite Program
• Prof. Marimin (IPB)
• Dr. Kudang Boro Seminar (IPB)
• Dr. Sugi Guritman (IPB)
• Dr. Zainal A Hasibuan (UI)
• Dr. Aniati Mumi (Ul)
• Dr. Bobby AA. Nazief (UI)
• Dr. T. Basaruddin (UI)
• Dr. Iping Supriana (lTB)
• Dr. Jazi Eko Istiyanto (UGM)
Ketua Pelaksana
Yeni Herdiyeni, S.Komp
Komite Pelaksana
• Ir. Meuthia Rachmaniah, MSc
• Ir. Julio Adisantoso, Mkom
• Yani Nurhadryani, S.Si, zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
'\1T
• Rindang Karyadin, S.Si, MKom
• Shelvie Nidya Neyman, S.Komp
• Agus Pudjijono, S.Komp
• Wisnu Ananta, S.Si, MT
• Imas S. Sitanggang, S.Si, Mkomp
• Armisa, S.Komp
• Panji Wasmana, S'.Komp
• Firman Ardiansyah, S.Komp
• Ahmad Ridha, S.Komp
• Hari AgW1g, S.Komp
• Drs. Prabowo
• Gage, AMd
Hi
SEMINAR NASIONAL
[LMU KOMPUTER DAN TEKNOLOGI INFORMASI V 2004
SlJSUNANzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
ACARA
Kamis,2 September 2004
09.00 -10.00
10.00
10.30
11.30
13.00
15.00
15.30
-10.15
- 11.30
- 13.00
- 15.00
- 15.30
- 16.50
Jurn'at,3
Pembukaan
- Sambutan Penangguug J awab Sl\fIKTI V
- Sarnbutan Dekan FMIPA IPB
Rehat
Ke ote S eakcr (Dr. Benyamin Kusumu utro)
Istirahat
Penyajian Makalah
Rehat
Penyajian MakalahzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
------~--~~---------------------------------------~
September 2004zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
" Keglatan
:i,t;tr'Y,",~~ffl,:,c;';----I-"'~
"zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
09.00 - 10.00
1O.()O- 10.30
10.30 -- 11.30
11.30 - 13.30
l3.30--1S.00
__
.
._-t---i->L-13.00 -- 15.00
--.----15.00 - 15.30
Peny~ian~JakalaL
Penutu an
~
IV
-----
_.-----
SEMINAR NASIONAL ILMU KOMPUTER DAN TEKNOLOGI INFORMASI V 2003zyxwvutsrqponm
JADWAL PENYAJIAN MAKALAHzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDC
i
KAMIS, 2 SEPTEMBER 2004
zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
I
I
NO
\".'AKTUzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
PEMAKALAH
PAPER
---
I
JUDUL
I
p~
I
PAPER
SESII
35
Agus Pudjijono, Julio Adisantoso ,
Yani Nurhadryani, Ahmad Ridha
ALGORlTME SEGMENTED DYNAMIC TIME WARPING PADA PENCARlAl'r
AUDIO
V
203zyxwvutsrqponmlkjihg
13.20 - 13.40
54
Ahmad Ridha, Julio Adisantoso,
Fahren
PENGINDEKSAN OTOMATIS DENGAN ISTILAH TUNGGAL UI\TUK
DOKUMEN BERBAHASA INDONESIA
V
328zyxwvutsrqponmlkjihgfe
13.40 -14.00
24
Bayu Wicaksana Wahyuardi, Julio
Adisantoso dan Fahren Bukhari
TEMU KEMBALI INFORlYfASI MUSIKAL PADA BASIS DATA AUDIO
MENGGlJNAKAN ALGORITMA KESA.1v1.AANSTRING BAEZA YATESPERLEBERG
INDONESIAN Ni\MED ENTITY RECOGNIZER (InNER)
134
13.00 - 13.20
I
14.00 - 14.20
I
25
Gatot Wahyudi dan Indra Budi
'. L--
141
I
14.20 - 14.40
14.40 - 15.00
15.30 - 15.50
10
37
52
I
Muhammad Erwin Ashari
Hariyono
I Zaino~-~.
1 Arifin
,H
Hasibuan,
Phd Eriza '"1
• -.
-.'
1-
Beni Irawan dan Zaina1 Hasibuan
I
II
QUERY EXP ~"lSION MENGGUNAKAN FUZZY JACCARD COEFICIENT
SEBAGAI FUNGSI FITNESS PADA PROSES RELEVANCE FEEDBACK
61
PENTIEKATAN ~,lODEL PERLUASAN BOOLEAN FADA SISTEM TEMU
KEMBALI INFORMASI DENGAN MENGGUNAKAN DOKUMEN XML
220
BREAK
PENGARUH PEMROGRAMAN
KEMBALI INFOR,,'-1ASI
GENETIKA TERHADAP EFEKTIVITAS TEMU
I
I
,
312
SEIvfINr'\l~ NASIONAL ILMU KOMPUTER DAN TEKNOLOGI IN-PORMASI V 2003
I
ANALISA TERJADINYA CIPHERTEXT TERKOMPRESI PADA KRIPTOGRAFI
Budi Hartono
15.50 -16.10zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
20
DENGAN ALGOFJTMA
16.10 -16.30
8
16.30 - 16.50
32
:
I
RSA
Jajang Kavita, Fazmah Arif
Yulianto, Suyanto
At"l"ALISIS PERFORJ.'vlANSI RSA DAN ECC PADA PROTOKOL SSL
Danny Dimas Sulistio, Bib
Paruhum Silalahi, Julio Adisantoso
PERBANDINGAN ALGORITMA
HUFFMAN
STATIK DENGAt"l" ALGORITMA
.HUFFM.A.N ADAPTTF PADA KOMPRESI DAH·. TCKS
..
113
49
~zyxwvutsrqponmlkjihgfedcbaZYXW
182zyxwvutsrqponmlkji
vi
----t
--
I
I
SESI2
I: 13.00 - 13.20
I
38
13.20 - 13.40
1
13.40 - 14.00
51
14.00 - 14.20
5
Ir. Tanika D Sofianti, MT, Tsabit
i Husein, ST
Lina, Benyamin
Adhi Hannoko S, Benyamin
Kusnmoputro
Waskitho Wibisono, Hideto Ikeda,
Nikolaos Vogiatzis
Agus Buono, Sugi Guritrnan,
muhidin Susanto
14.20 - 14.40
14.40 - 15.00
22
Dade Nmjanah
APLIKASI ALGORITMA GENETIKA PADA At'l'ALOGI PERENCANAAN
LINTASAN MOBILE ROBOT DENGAN REPRESENTASI GEN"'ETIK
KOORDINAT TUIK
ANALISIS KINERJA METODE MODIFIED ?'.'EAREST FEATURE LINE
DALAiv1 SISTEM PENGENAL W AJAH 3-D DENGAN VARIASI JUMLAH
OBYEK
SISTEM PENGENALA~ CACAT PENGELASA~~ (WELD DEFECT) DENGAN
MENGGUNAK.AN ANALlSIS MULTI RESOLUSI
I
I
228
1
307
PERBANDINGAN BEBERAPA METODE FTLTERlSASI CITRA DAN DETEKSJ
CANNY PADA SEGMENTASI OTOMATIS CITRA SIDIK JARI
346
APLIKASI PENGELOLA ONTOLOGI PENGETAHUAN PADA SISTEM
TUTORIAL BERINTElEGENSIA
124
15.50 -16.10
16.10 - 16.30
I
I
I
BudiAswoyo
APLIKASI ALGORITlvLt\ GENETlKA DALAM SINTESA POLA RADIASI
OPTIMUM BERBASIS ANTENA ARRA Y
104
36
Andino Maseleno
PEMBANGUNAN SISTEM PAKAR PADA PERANGKA T MOBILE DENGAN
MENGGUNAKANJ2MEDANPHP
214
43
Thiang, Indar Sugiarto, Hendrik
Chandra
KONTROL KECEPATAN MOTOR DC DENGA.N MENGGUNAKAN
JARINGANSARAFTffiUAN
256
18
I
DESIGN OF MULTI-PURPOSE FRONT E:NTIDEVICE FOR INTEGRATED
I
TRANSPORTATION SYSTEMSzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
26
BREAK
15.30 - 15.50
zyxwvutsrqponmlkjihgfedcbaZ
VI
SEMINAR NASIONAL ILMU KOMPUTER bAN TEKNOLOGI INFORMASI V 2003
49
16.30 - 16.50
Teguh Pribadi Arsyad, B.
Kusumoputro ,
PENGEMBANGAN METODE PENENTUAN BOBOT AWAL JARINGAN
NEURAL FUZZY-LVQ DALAM RUANG EIGEN UNTUK PENINGKATAN
DERAJAT PENGENALAN AROMA 3 CAMPURAN
293zyxwvutsrqponmlkjihgfe
Harry B. Santoso dan Indra Budi
COMPUTER-MEDIATED LEARNING DENGAN PENDEKATAN
COLLABORATIVE LEAlTh'ING DAN PROBLEM BASED LEARNING: STUDI
KASUS CML UNIVERSITAS INDONESIA
288
SESI3
13.00 - 13.20
48
DISTRIBUSI QUERY PADA DBMS MYSQL MEMANFAA TKAN SISTEM
13.20 -13.40zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
26
Teguh Prihatmono
REPLIKASI
149
I
Budi Sutedjo Dharma Octomo &.
13.40 - 14.00zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
39
KESIAP AN PERGURUAN TINGGI DI DAERAH ISTIMEW A YOGY AKARTA
i
R. Gunawan Santosa
UNTUK ME1\'YELENGGARAKAN LAY ANAN E-EDUCATION
i
II
14.00 - 14.20
I
30
14.20 - 14.40
I
47
,
114.40
- 15.00
I
Taufik Djatna dan Albertus
Reinandang
I
Resmana Lim, Arthur Franklin,
I Agustinus N
AbdullahEmbong,
Jamaluddin
58
233
SISTEM INFORMASI BERBASISzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
SMS/GSM UNTUK PENJADW ALAN,
172
PENENTUAN .TALUR DAN PENGELOLAAN SAMP AH PADAT PERKOT AAN
SISTEM AKSES FASILITAS PENDAFTARAN
JADW AL UJIAN MAHASISW A VIA SMS
RENCANA STUDI DAN
279
I
Zulikha
MANAGEMENT OF IN"FORMATION THROUGH AN INTERACTIVE VOICE
RESPONSE SYSTEM THE PROSPECT OF RELIGIOUS DOMAIN
I
351
BREAK
15.30-15.50
I
Wikan Danar Sunindyo, Rakhmat
Aji Jauhari, Isman Hidayat
Suryaman
16
I
!
15.50-16.10
16.10 -16.30
I
19
: Dr. Muhammad Zarlis, M. Kom
dan Rahmat Widia Sembiring, SE.
M.Sc.IT
55
Rira Laksrniwati, Ir. MSc.
VIRTUAL OFFICE SEBAGAI PENERAP AN COMPUTER-SUPPORTED
COOPER ATIVF \VORK (CSCW)
94
I
MEMBANGUN TRUST SEBAGAI KUNCI KEBERHASILAN E-COMMERCE
EKSPLORASI METODOLOGI PEMBANGUNAN DATA MART
110
336
I
I
......
...
........
I
VlI
SEMINA.R ~ASIONAL ILMU KOMFUTER DAN TEKNOLOGI INFORMASI V 2003zyxwvutsrqponml
SESI4
13.20 - 13.40
1
13.40 - 14.00
14.20 - 14.40
Jazi Eko Istiyanto dan NurhayatizyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
Masthurah
K01'-'FIGtTRASI SECURITY POLICY SELINUX
23
13.00 - 13.20
14.00 - 14.20
---zyxwvutsrqpon
-T
I
Denny Restria Widaryanto, Fazmah
SISTEM PENDETEKSI PERANGKAT KERA.8 KOMPUTER MELALUI
, Arif Yulianto, Sri Widowati
i ;AIUNGA;--I
_
9
EVALUASI PERFOR1-1i'l.NCr:: SCTP SEBAGAI PROTOKOL 'TR"'-l-;SPORT
Novala Panala, Tutunluhana,zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
Hendrawan
SS70VERIP
53
I
14
45
Hany Ferdinanda
MEMBANGUN SISTEM FAULT TOLERANTPADA
APLIKASI SISTEM TERDISTRlBUSI
Fatilah, Iwan Syarif
A.PLIKASI ALGOPJTtvL\ NAIVE BAYES UNTUK PENDEfEKSIAN
PADA SISTEM JARINGAN KOMPUTEk
1
130
I
55_1
I
I
318
FIELDBUS UNTUK
84
ThiRDSI
I
I
267
I
301
BREAK
15.30 - 15.50
50
Wisnu M Suryaningrat, Rizal F Aji
15.50 - 16.10
42
Dwi Handoko
16.10 - 16.30
34
Hero Suhartanto dan Jimmy
KEBlJTlTHAN INFRASTRL'KTUR
PERPUSTAKAAN
DIJITAL
1
II
II
IMPLEMENt ASI BLOCK MATCHING MOTION VECTOR ESTIMATION
DALAM KOMPUTER KLASTER
252
1
PENERJEMAH KODE NUMERIK__ - FORTRAN
KE JAVA
199
zyxwvutsrqponmlkjihgfedcbaZYXW
II
!
--
--
.
-
..
-
--
.. -
-
I
I
JUMAT, 3 SEPTEMBER 2004
WAKTU
NO
JUDUL
fEMAKALAH
PAPER
I
1
HAL
PAPER
SESll
13.30 - 13.50
13.50-14.10
3
13
Muhanunad Arief
Arna Fariza, Achrnad Basuki
____
.L-
CONFLICT RESOLUTION DALAM FORMALISASI BUREAUCRATIC RULE
PENGEMBANGAN HYBRID ALGORITMA GENETIKA SIMULATED
ANNEALING PADA PERAMALAN TIME SERIES DENGAN KLASIFIKASI
---_ DATABERDASARKANTREND
......
--
-
---
------------------------_
..
13
79
I
Vlll
SEMINAR NASIONAL ILMU KOMPUTER DAN TEKNOLOGI INFORMASI V 2003
Budi 1. Setiawan, Krissandi Wijaya,
14.10 - 14.30zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
12
APLIKASI JARINGAN SYARAF TIRUAN UNTUK ESTlMASI DRY BULK
Taku Nishimura dan Rudiyanto
I Sarbini, Meuthia Rachmania,
Agus
44zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
14.30 - 14.50
72
BENSITY DAN VOLUMETRIC WATER CONTENT PADA TANAH
Buono
PERBANDINGAN
261zyxwvutsrqponmlkjihg
METODE EIGEN PADA PENGENALANWAJAH
BREAK
I
15.30 - 15.50
21
I Taufik Djatna,
I dan Yandra
Marimin, Machfud
.
REKA YASA SISTEM INFORMASI CERDAS UNTUK DIAGNOSIS DAN
PERBAIKAN KTh'ERJA BERBASIS CUSTOMER RELATIONSHIP
MANAGEMENT (CRM)
119
SISTEM PENGENALAN PLAT NOMOR KENDARAAN BERMOTOR
DENGAN MENGGUNAKAN JST
177
TzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
SESI2
13.50 - 14.10
Sutrisno; Samuel Lukas; Duriyanto
Yusuf
31
lI
14.10 - 14.30
2
14.30 - 14.50
27
I Baskoro
!
Oktianto , Sugi Guritman ,
Ahmad Ridha
PENGENALANPEMBICARA
BACKPROPAGATION
1
I Cecilia
DENGAN JARINGAN SYARAF TIRUAN
7
VERlFIKASI SISTEM BERP ARAMETER SECARA FORMAL DENGAN
DIAGRAM PREDIKAT BERPARAMETER
E. Nugraheni
!
154
BREAK
I
15.30 - 15.50
4Q
r-
15.50-16.15
I Ririn Dwi Agustin
MANAJEMEN PENGETAHUAN BERBASIS ONTOLOGI UNTUK TUGAS
AKHIR MAHASISW A (STUD! KASUS DI TEKNIK INFORMA TIKA lJNPAS)
I
I
6
I
I
Nila Oktavia, Marimin, Yeni
Herdiyeni
I
I
I
I
239zyxwvutsrqponmlkjihgfed
PENYEMPURNAAN BASIS DATA RELASIONAL FUZZY UNTUK
PENGUKURAN TINGKAT KEMISKINAN PENDUDUK (STUD! KASUS
PROPINSI BANTEN)
33
I
SESI3
13.30 - 13.50
33
Sutrisno
SISTEM BASIS DATA BITEMPORAL ATRIBlJT DINAMIS
191
13.50 -14.10
29
Tricya E. Widagdo
REPRESENTASI
FORM
167
BASIS DATA TEMPORAL MODEL NON FIRST NORMAL
IX
SEMlNAR NASION ..u. ILMU KOMPUTER DAN TEKNOLOGI lNfORlvIASI V 2003
14.10 - 14.30
46
14.30 - 14.50
Suyanto, Andhika Dwi Putera,
Fazmah Arief Yulianto
KONVERSI CITRA RASTER KE CITRA VEKTOR MENGGUNAKAN
TRANSFORlviASI WAVELETzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
273
Andrias Hardinata, Suyanto,
Fazmah AriefYulianto
STEGANOGRAPHY PADA CITRA BINER MENGGUNAKAN
MINIM1JM DISTANCE
4zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
DETEKSI SISI
19
BREAK
il-
15.30 -15.50
56
15.50 -16.15
7
I SEBUA,Lf TINJAUAK MENGENAI METODE ANALISIS CITRA
Sani Muhamad Isa
Veronica S. Moertini,
HIPEKSPEKTRAL
DAN APLIKASINY A
PENANGANfu~ ATRlBUT CITP~L\DENGAN WAVELET UNTUK
PENGEMBANGM·; .-\LGORITIv1A C4.5
~I
i
I
340
!!
43
I
I
I
28
1113.30- 13.50
14.30 - 14.50
I
Rahmat hidayati, Achmad Basuki,
Nana Ramadijanti, Arna Fariza
II
[
-,--
I
14.10 - 14.30
Izyxwvutsrqponmlkji
i
SESI4
IMPLEMENTASI MFTODA GIS DALAM REVIS! RENCANA KA WASAN
PER.1V1UKIMANME~GGlJNAKAN GIS - GRASS (STUDl KASUS :
KABUPATEN MOJOKERTO 2013)
15
Eko Sediyono dan Daniel Yohanes
PENYEIvIBUl';YIAl': PESAN DALA.M DOKUMEN C1 fRA DUA WA R::--J
A
DENGAN METODE STEGANOGRAFI
41
G.A.Putri Saptawati , dan H.B.
Rachmat, D.Laksana
KONSTRUKSI STRlTKTUR MODEL BAYESIAN NETWORK DARI DATA
DENGAN ALGORITMA K2 DAN B
Muliyadi, Indrawati, Arna Fariza,
Ali Ridho Barakbah
R.A.NCANG BANGl'N PERANGKAT LUNAK PE~lODELAN
HIER.A.RKI MODEL
~I
I
I
I
iI
i
160
I
Izyxwvutsrqponmlkjih
89
I
I
I
I
244
I
98
I
67
BREAK
15.30 - 15.50
17
15.50 -16.15
Susany SopZanit
11zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
METODE PEMBAXGKITAN
ANALYTIC
CHAOS UNTUK. ENK..lUPSI CITRA DIGITAL
x
,,zyxwvutsrqponmlkjihgfedcbaZYXWVUTSR
SEMINAR NASIONAL ILMU KOMPUTER DAN TEKNOLOGI INFORMiASI V 2004
DAFTAR MAK.ALAH
Judul Makalah
No
Hal
ANALISIS KINERJA METODE MODIFIED NEAREST FEATURE
PEN GENAL WAJAH 3-D DENGAN VARIASI JUMLAH OBYEK
LINE DALAM SISTEM
LINA, BENYAMIN KUSUMOPUTRO
2
PENGENALAN
PEMBICARA
DENGAN JARINGAN
"7
SYARAF TIRUANzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPO
BACKPROPAGATION
BASKORO OKTIANTO , SUGI GURITMAN , AHMAD RIDHA
3
CONFLICT
4
MUHAMMAD ARIEF
STEGANOGRAPHY
P ADA CITRA BINER MENGGUNA¥-.AN
DISTANCE
RESOLUTION
FORMALISASI
BUREAUCRATIC
DETEKSI
RULE
13
SISI MINIMUM
]9
SUY ANTO, FAZMAH ARIEF YULIANTOzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQ
ANDRIAS HARDINATA,
5
DALAM
DESIGN OF MULTI-PURPOSE
FRONT END DEVICE
TRANSPORTATION
SYSTEMS
FOR INTEGRATED
26
WASKITHO WIBISONO, HIDETO IKEDA, NIKOLAOS VOGIATZIS
6
FUZZYUNTUK PENGUKURAN TINGKAT
PENYEMPURNAAN
BASIS DATA RELASIONALzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDC
33
KEMISKlNAN PENDUDUK (STUD! KASUS PROl>INSI BANTEN)
MARIMIN, YENI HERDIYENI DAN NILA OKTAVIA
7
PENANGANAN ATRIBUT
ALORITMA C4.S
CITRA DENGAN WAVELET
UNTUK PENGElVIBANGAN
43
VERONICA S. MOERTINI
8
ANALISIS PERFORMANSI
RSA DAN ECC P ADA PROTOKOL
SSL
. 49
JAJANG KA VITA, FAZMAH ARIF YULIANTO, SUYANTO
9
SISTEM PENDETEKSI
PERANGKAT
DENNY RESTRIA WIDARYANTO,
10
MELALUI
JARINGAN
METODE
55
FAZMAH ARIF YULIANTO, SRI WIDOWA TI
QUERY EXPANSION .MENGGUNAKAN FUZZY ,JACCARD COEFICIENT
FITNESS PADA PROSES REU:VANCE
FEIWB/\CK
MUHAMMAD
11
KERAS KOMPUTER
SEBAGAI
FUNGSI
61
ERWIN ASHAR I HARIYONO
PEMBANGKITAN
CHAOS UNT()K ENKRIPSI
CITRA DIGITAL
67
SUSANY SOPLANIT
12
13
APLIKASI JARINGAN SYARAF TIRUAN UNTUK ESTI1HASI DRY BULK HENSITY DAN
VOLUMETRIC WATER CONTEN r PADA TANAH
BUDI I. SETIAWAN, KRISSANDI WIJA YA, TAKU NISHIMURA DAN RUDIY ANTO
PENGEMBANGAN
HYJ3RID ALGORITMA GENETIKA SIMULATED ANNEALING PADA.
PERAMALAN TIME SERIES DENGAN KLASIFIKASI DATA BERDASARKAN TREND
79
ARNA FARIZA, ACHMAD BASUKI
xi
SEMINAR NASIONAL lU"HJ KOMPtTT~R DAN TEKNOLOGI
14'
MEMBANGUN SlSTEM
TERDISTRIBUSI
FAULT TOLERANT
PAD A FIELDllUS
INFORMASI V 2004
UNTUKAPLIKASI
SISTEM
84
15zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
PENYEMBUNYIAN
PESAN DALA1"t1DOKUMEN CITRA DUA WARNA DENGAN MET ODE
STEGANOGRAF[
89
HANY FERDINANDO
EKO SEDIYONO, DAN DANIEL YOHANESzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
16
VIRTUAL OFFICE
WORK (CSCW)
SEllA GAl I)ENERAPAN
COMPUTER-SUPPORTED
COOPERATIVE
94
WIKAN DANAR SUNINDYO, RAKHMAT AJl JAUHARI, ISMAN HIDAYAT SURYAMAN
17
RANCANG
BANGUN PERANGKAT
LUNAK PEMODELAN
ANALYTIC
HIERARKI
MODEL
98
MULIYADI, INDRAWATT, ARNA FARIZA, ALl RlDHO BARAKBAH
18
APLlKASI ALGORlTMA
ANTENA ARRAY
GENETIKA
DALAM SINTESA POLA llADIASI
OPTIMUM
BERllASIS
104
BUDIASWOYO
19
MEMBANGUNzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
TRUSTSEBAGAI KUNCI KEllERHASILAN
E-COMMERCE
MUHAMMAD
20
110
ZARLlS DAN RAH~1A..TWIDIA SEMBIRING
ANALISA TERJADINYA
ALGORITMA RSA
CIPHERTEXT
TERKOMPRESI
P ADA KRIPTOGRAFI
113
DENGAN
BUDI HARTONO
21
REKAYASA SISTEM INFORMASI CERDAS UNTUKDIAGNOSIS
PERBAlKAN KINERJA BERBASIS CUSTOMER RELATIONSHIP
TAUFIK DJATNA,
22
DAN
MANAGEMENT
119
(CRM)
MARIMIN, MACHFUD DAN YANDRA
APLIKASI PENGELOLA
BERINTELEGENSIA
ONTOLOGI
124
PENGET AHUAN PADA SISTEM TUTORIAL
DADE NURJANAH
23
KONFIGURASI
SECURITY
POLICY
130
SELINUX
JAZI EKO ISTIY ANTO DAN lWRHA YATI MASTHURAH
V
24
vi·
TEMU KEMBALI INFORMASI MUSIKAL PADA BASIS DATA AUDIO MENGGUNAKANzyxwvutsrqponmlkjihgfedcbaZ
134
ALGORlTMA KESAMAAN STRING BAEZA YATES - PERLE13ERG
JULIO ADISANTOSO,
25
INDONESIAN
FAHREN BUKHARI , DAN BA YU WICAKSANA WAHYUARDI
NAMED ENTITY RECOGNIZER
GATOT W AHYUDI
(InNER)
141
DAN I~DRA BUDI
xii
SEMINAR NASIONAL ILMU KOMPUTER DAN TEKNOLOGI INFOR...\1ASI Vzyxwvutsrqpo
2004
26
DISTRIBUSI
QUERY PADA DBMS MYSQL MEMANFAATKAN
149
SISTEM REPLIKASI
TEGUH PRlHA TMONO
27
VERIFIKASI SISTEM BERP ARAMETER
BERPARAMETER
SECARA FORMAL
DENGAN DIAGRAM
PREDIKAT
154
CECILIA E. NUGRAHENI
28
IMPLEMENTASI
MENGGUNAKAN
METODA GIS DALAM REVISI RENCANA KA WASAN PERMUKIMAN
GIS -GRASS (STUDI KASUS :.KABUPATEN MOJOKERTO
2013)
RAHMAT HIDAYATI, ACHMAD BASUKI, NANA RAMADIJANTI,
29
REPRESENTASI
BASIS DATA TEMPORAL
160
ARNA FARIZA
MODEL NON FIRST NORMAL
'FORM
167
TRICYA E. WIDAGDO
30
SISTEM INFORMASI
DAN PENGELOLAAN
BERBASISzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
SMS/GSM UNTUK PENJADWALAN, PENENTUAN JALUR
SAMPAH PADAT PERKOTAAN
172
TAUFIK DJATNA DAN ALBERTUS REINANDANG
31
SISTEM PENGENALAN PLAT NOMOR KENDARAAN BERMOTOR DENGAN
MENGGUNAKAN JSTzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
177
SUTRISNO, SAMUEL LUKAS,DAN DURIY ANTO YUSUF
32
PERBANDINGAN ALGORITMA HUFFMAN
ADAPTIF P ADA KOMPRESI DATA TEKS
BIB PARUHUM SILALAHI,
33
STATIK DENGAN ALGORITMA
JULIO ADISANTOSO,
SISTEM BASIS DATA BITEMPORAL
HUFFMAN
~82
DANNY DIMAS SULISTIO
ATRIBUT DINAMIS
191
SUTRISNO
34
PENERJEMAH
KODE NUMERIK
HERU SUHARTANTO
35
ALGORITME
36
PEMBANGUNAN
J2l\1E DAN PHP
KE JA VA
199
DAN JIMMY
SEGMENTED
AGUS PUDJIJONO,
FORTRAN
DYNAMIC
TIME WARPING PADA PENCARIAN
JULIO ADISANTOSO,
AUDIO
YANl NURHADRYANT, AHMAD RlDHA
SISTEM PAKAR PAlM. PERANGKAT
MOBILE
DENGAN MENGGUNAKAN
214
ANDINO MASELENO
37
PENDEKATAN MODEL PERLUASAN BOOLEAN PADA SISTEM TEMU KEMBALI
INFORMASI DENGAN MENGGUNAKAN
DOKUMEN XML
ZAINAL ARIFIN HASIBUAN,PHD,
38
220
ERIZAL
APLIKASI ALGORITMA GENETIKA
ROBOT
DENGAN REPRESENTASI
GENETIK
PADA ANALOGII)ERENCANAAN
KOORDINAT
LINTASAN
MOBILE'
228
TITIK
Xlll
SEMINAR NASIONld~ ILMU KOMPlITER
DAN TEKNOLOGI INFORlvIASI V 2004
TANlKA D SOFIANTI ,TSABlT HUSEINzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
39
KESIAPAN PERGURUAN
MENYELEl\GGARAKAN
Bum SUTEDJO
40
TINGGI DI DAERAH ISTIMEW A YOGY AKARTA UNTUK
LAYA.NAN E-EDeCATION
233zyxwvutsrqponm
DHARMA OETOMO DAN R. GUNAWAN SANTOSA
MANAJEMEN FENGETAHUAN
BERBASIS ONTOLOGI UNTUK TUGAS AKHIR MAHASlSWA
(STUDI KASUSzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
III TEKNII( INFORMATIKA
lINPAS)
239
RIRIN DWI AGUSTIN
41
KONSTRUKSI S'fR[1KTUR
ALGORITMA K2 DAN B
MODEL
HAYES IAN NI~TWORK
DARI DATA DENGAN
244
G.A.PUTRI SAPTA W ATI , DAN H.B. RACHMA T, D.LAKSANA
42
IMPLEMENTASI
BLOCK MATCHING
KOMPUTER KLASTER
MOTION
VECTOR
ESTIMATION
DALAM
252
DWIHANDOKO
43
KONTROL
TIRUAN
KECEPATAN
MOTOR
DC DENGAN MENGGUNAKAN
JARINGAN
SARAF
256
THIANG, INDAR SUGIARTO, HENDRIK CHANDRA
44
PERBANDINGAN
METODE
EIGEN PADA PENGENALAN
SARBINI, MEUTHIA RACHMANIAH,
45
APUKASI ALGORlTMA
JARINGAN KOMPUTER
261
WAJAH
AGUS BUONO
NAIVE BAYES UNTUK PENDETEKSIAN
INTRUSI
PADA SISTEM
267
FA TILAH, IW AN S YARIF
46
KONVERSI
WAVELET
CITRA RASTER KE CITRA VEKTOR" MENGGUNAKAN
TRANSFORMASI
273
SUY ANTO, ANDHIKA DWI PUTERA, FAZMAH ARIEF YULIANTO
47
SISTEM AKSES FASILITAS
MAHASISWA VIA SMS
PENDAFTARAN
RENCANA
STUDI DAN JADWAL
UJIAN
279
RESMANA LIM, ,\RTHUR FRANKLIN, AGUSTTNUS N
43
COMPUTER-MEDIATED
LEARNING DENGAN PENDEKATA~
COLLABORATIVE
LEARNING DAN lE'ROBLEM BASED LEARNING: STUDI KASUS CML UNIVERSITAS
INDONESIA
288
HARRY B. SANTOSO, DAN INDRA BUDI
49
PENGEMBANGAN
METODE PENENTUAN BOBOT A WAL JARINGAN NEURAL FUZZY-LVQ
DALAM RUANG F,IGEN UNTUK I'ENINGKATAN DERAJAT PENGENALAN ARO:\tIA 3
CAMPURAN
B. KUSUMOPUTRO,
50
KEBUTUHAN
293
TEGUH PRlBADJ ARSY AD
INFRASTRUKTUR
PERPUSTAKAAN
DIJrf AL
301
XIV
SEMINAR NASIONAL ILMU KOMPUTER DAN TEKNOLOGI INFORMASI V 2004
WISNU M SURYANINGRAT,
51
RIZAL F AJI
SISTEM PENGENALAN CACAT PENGELASANzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
(WELD DEFECT) DENGAN MENGGUNAKAN
307
ANALISIS MULTI RESOLUSI
ADHI HARMOKO S, BENYAMIN KUSUMOPUTRO
52
PENGARUH
INFORMASI
PEMROGRAMAN
GENETIKA
TERHADAPEFEKTIVITAS
TEMU KEMBALI
312
BENI IRA W AN DAN ZAINAL HASIBUANzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
53
EV ALUASI PERFORMANCE
SCTP SEBAGAI PROTOKOL
TRANSPORT
SS70VER
IP
318
NOVALAPANALA,TUTUNJUHANA,HENDRAWAN
54
PENGINDEKSAN
OTOMATIS
BERBAHASA INDONESIA
DENGAN ISTILAH
AHMAD RIDHA, JULIO ADISANTOSO,
55
EKSPLORASI
METODOLOGI
TUNGGAL
UNTUK DOKUMEN
328 ~
FAIIREN BUKHARI
PEMBANGUNAN
DATA MART
336
HIRA LAKSMIW ATI
56
57
SEBUAH TINJAUAN
APLIKASINYA
ANALISIS CITRA HIPEKSPEKTRAL
CITRA DAN DETEKSI
MANAGEMENT OF INFORMATION
THROUGH AN INTERACTIVE
SYSTEM THE PROSPECT OF RELIGIOUS DOMAIN
PEMANFAATAN
DAN
CANNY PADA
340
346
SUGI GURITMAN, MUHIDIN SUSANTO
TEKNOLOGI
AGUNG SAPUTRA,
VOICE RESPONSE
351
ZULIKHA JAMALUDDlNzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHG
ABDULLAHEMBONG,
59
METODE
SANI MUHAMAD ISA
PERBANDINGAN BEBERAPA METODE FILTERISASI
SEGMENTASI OTOMATIS CITRA SIDIK JAR!
AGUS BUONO,
58
MENGENAI
SMS BAGI DUNIA PENDIDIKAN
360
TANIKA DEWI SOFIANTI
xv
TEMU KEMBALI INFORlV1ASI l\lUSlKALzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFE
PAD A BASIS DATA AUDIO
l\IENGGUNAKAN ALGORITl\IA KESAMAAN STRING
BAEZA YATES - PERLEBERG
Julio Adisantoso *, Fahren BukharizyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
t, dan Bayu Wicaksana Wahyuardi *
* Departemen
t
ABSTRAK
Ilmu Komputer, FMIPA, Institut Pertanian Bogor
J1. Raya Pajajaran, Bogor, Indonesia
email: julio@fmipa.ipb.ac.id
bayu@i1komerz35.com
Departemen Matematika, FMIP A, Institut Pertanian Bogor
J1. Raya Pajajaran, Bogor, IndonesiazyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQ
Kata kunci ; Baeza Yates- Perleberg, waktu
pencarian, durasi, posisi input, amplitude,
frekuensi.
Adanya basis data dengan tipe data audio membuat
orang membutuhkan sebuah metode baru untuk
menemukernbalikan informasi tentang keberadaan sebuah
lagu pada basis data, penelitian ini bertujuan untuk
1. PENDAHULUAN
mempelajari dan menerapkan algoritma pcncocokan string
Baeza-Yates dan Perleberg pada sebuah sistem temu
kembali, Percobaan dilakukan menggunakan basis data
Banyak orang yang mengidentifikasikan dirinya
yang rnemiliki jumlah koleksi lagu berbeda (30, 40 dan
dengan musik bukan dengan gambar. Hal ini dapat dilihat
50) yang terdiri dari berbagai jenis aliran tnusik. Seluruh
dari banyaknya orang yang mengatakan "ini laguku! dan
kolcksi memiliki frekuensi 8 KHz. Percobaan yang
bukan "ini gambarku! (Francu & Nevill-Manning, 2000).
dilakukanada 5, yaitu pengukuran waktu, perpedaan
Oleh karena itu musik tidak dapat dipisahkan dari
panjangzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
input, perbedaan posisi potongan lagu terhadap
kehidupan seseorang.
lagu asal, perubahan amplitudo input, .dan perbedaan
frekuensi input. Secara umum tujuan percobaan adalah
Sesuai dengan perkembangan teknologi dewasa ini,
untuk mengetahui waktu pencarian dan pengaruh berbagai
sebuah lagu tidak hanya berbentuk kaset atau piringan
macam perlakuan pada input terhadap hasil. Untuk
hitam saja, tetapi sudah dapat dijumpai dalam bentuk
pengukuran waktu, dapat disimpulkan bahwa makin
berkas komputer, Lagu dalam bentuk berkas komputcr ada
banyak jumlah koleksi maka makin lama pula waktu yang
yang berdiri sendiri dan' ada pula yang dikumpulkan
dibutuhkan untuk melakukan pencarian. Untuk perbedaan
dalam sebuah basis data. Dengan adanya basis data audio,
maka dibutuhkan sebuah sistem temu kembali informasi
panjang input, dapat disimpulkan makin panjang durasi
yang dapat digunakan pada basis data ini, Menurut Ghias
input maka makin lama waktu pencariannya. Sedangkan
et al.(1995) cara yang paling efektif dan lazim untuk
untuk perbedaan panjang input, input dengan panjang 30
mencari keberadaan sebuah lagu pada basis data audio
detik memiliki persentase terambil pada urutan pertama
adalah dengan menyenandungkan nada-nada sebuah lagu,
sebesar 70%, persentase kecocokan tertinggi sebesar
tetapi pada penelitian ini input yang digunakan adalah
96.68% dan persentase terambil sebesar 90%. Input
potongan lagu.
berposisi diakhir lagu rnemiliki persentase terambil
sebesar 91,67%, persentase teratnbil pada urutan pertama
Untuk proses pencarian pada basis data, penelitian ini
sebesar 83,33% dan perscntase kecocokan tertinggi
menggunakan
algotitma
kesamaan
string
yang
sebesar 96,154%. Perbedaan amplitudo input tidak
dikembangkan oleh Baeza-Yates dan Perleberg (1992)
memberikan pengaruh yang ekstrim pada hasil yang
sebagaimana yang pemah dilakukan oleh Ghias et al.
diperoleh, karena perubahan amplitudo tidak mengubah
(1995). Meskipun demikian terdapat beberapa perbedaan
bentuk suara. Perbedaan frekuensi input, mengakibatkan
antara penelitian yang pemah dilakukan oleh Ghias et al.
tidak ada satu lagu pun yang terambil, karena perubahan
(1995) dengan penelitian ini, antara lain pada penelitian
frekuensi mengubah bentuk suara.
sebelumnya input yang digunakan adalah senandung nada
sebuah lagu sedangkan pada penelitian ini input yang
digunakan adalah potongan lagu. Untuk koleksi lagu pada
It
It
134
penelitian sebelumnya lagu koleksi dikonversi dari MIDI
2.2. Bah an Percobaan
sedangkan pada penelitian ini lagu koleksi dikonversi dari
MP3. Perbedaan juga terdapat pada percobaan yang
Bahan yang digunakan untuk penelitian ini terdiri
dilakukan, pada penelitian sebelumnya percobaan hanya
dari 50 buah berkas lagu berformat WA V yang
1 macamzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
input sedang pada penelitian
dilakukan terhadapzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
merupakan hasil perckarnan dad berkas berforrnat
ini input memperoleh
berbagai rnacam perlakuan.
mp3. Ke-50 buah berkas lagu berforrnat W AV
Sehingga penelitian ini tidak bertujuan untuk melakukan
tersebut direkam dengan frequensi 8 Kllz, Berkasperbaikan
pada
penelitian
yang
telah
dilakukan
berkas terse but terdiri dari berbagai macam aliran
sebelumnya, akan tetapi men.coba menerapkan hal yang
musik mulai dari musik klasik sampai musik rock
sarna pada kondisi yang berbeda.
bahkan terdapat pula lagu tradisional
2. SISTEM TEMU KEMBALI
INFORMASI MUSlKAL
2.1. Arsitektur Sistem
2.3. Pembuatan Program
Untuk
membangun
program
digunakan
perangkat lunak MATLAB versi 6.1 dan bahasa
pernrograrnan Microsoft Visual C++. Selain kedua
perangkat lunak tersebut, perangkat lunak lain yang
digunakan adalah Creative Sound Recorder yang
digunakan untuk merekam lagu kedalam format
W A V dengan freqkuensi berbeda-beda dan perangkat
lunak Ahead Nero Wave Editor unfuk memotong
lagu. Sedangkan system operasi yang digunakan
adalah Windows 98 Second Edition, Untuk basis
datanya digunakan Microsoft Access 2~OO.
Ada tiga komponen utama dalam sistem temu
kembali inforrnasi musikal pada basis data audio yang
dikembangkan oleh Ghias et al.(1995) (Gambar I), yaitu:
1. Pitch Tracker
2. Basis Data
3. Query Engine
Sedangkan proses yang terjadi dalam sistem ini adalah
sebagai berikut :zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
1. Input yang berupa potongan lagu berforrnat WAV
Perangkat keras yang digunakan adalah komputer
dirnasukkan ke dalam pitch tracker untuk diproses.
dengan processor AMD Athlon 900 MHz, memori
2. Hasil pernrosesan di pitch tracker yang berupa
sebesar 256 MB dan kapasitas hardisk sebesar 20 Gb.
melodic contour dirnasukkan ke dalam query
engine.
2.4. TujuanPercobaan
3. Query engine menghasilkan daftar lagu yang diurutkan
berdasarkan
kecocokannya
terhadap
input
yang
Pada penelitian ini percobaan yang dilakukan
diberikan.
adalah:
1. Pengukuran waktu
Percobaan ini mengamati waktu pencarian pada
basis data, dengan parameter berupa jumlah lagu
Potongan Lagu
yang ada pada basis data dan durasi input yang
diberikan.
!
Pitl:h Tracker
Melodic ~ Contour
Basis Data
~
Gambar
Quety Engine
..-
Daftar Lagu T erurut
Berdaser
Kecocckan
Terbadap Masukan
I. Arsitektur Sisnm.
Untuk pengukuran waktu terhadap jumlah lagu
yang ada pada basis data, dipakai basis data yang
memiliki jumlah koleksi lagu sebanyak 30 buah, 40
buah dan 50 buab dengan input yang memiliki
durasi berbeda-beda yaitu 10, 20 dan 30 detik.
Kemudian diamati bagaimana hubungan antara
jumlah lagu yang ada pada basis data dengan
waktu pencarian.
Sedangkan untuk faktor perbedaan durasi input,
potongan lagu yang diberikan
sebagai input
memiliki durasi 10 detik, 20 detik dan 30 detik
(rnasing-masing 10 judul lagu), yang nantinya akan
diamati hubungan antara perubahan durasi input
dengan waktu pencarian. Percobaan ini dicobakan
135
terhadap basis data dengan jumlah koleksi 50 buah
lagu.
3. HASIL EKSPERIMEN
Pengukuran waktu
2. Perbedaan panjangzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
input
Pengukuran waktu pada penelitian ini hanya dilakukan
Percobaan ini dilakukan uutuk mengetahu i
pada saat proses pencocokan string input dengan teks
bagaimana pengaruh perubahan durasi potongan
yang ada di basis data. Pada percobaan, pengukuran waktu
lagu (masing-masing
10 detik, 20 detik dan 30
dicatat dalam satuan mili detik.
detik) terhadap hasil ter1?-ukembali yang diperoleh.
Percobaan ini dicobakan kepada basis data dengan
I. Hubungan Waktu dan Jumlah Koleksi Basis Data
koleksi lagu sebanyak 50.
Hasil percobaan
pengukuran
waktu pencarian
terhadap basis data yang memiliki jurnlah koleksi
3. Perbedaan posisi potongan lagu terhadap lagu asal
yang berbeda-beda ditunjukkan oleh Tabel 1.
Percobaan ini dilakukan untuk mengetahui
Pengukuran
dilakukan terhadap basis data yang
bagaimana pengaruh posis atau letak potongan lagu
memiliki
jumlah
koleksi sebanyak 30, 40 dan 50 buah
terhadap lagu asal (awal, tengah dan akhir lagu)
judullagu
dengan
input berdurasi 10,20 dan 30 detik
terhadap hasil temu kembali yang diperoleh.
(masing-masing
durasi
10 kali ulangan kemudian
Percobaan ini dicobakan kepada basis data dengan
dirata-ratakan).
koleksi tagu sebanyak 50.
Untuk input yang memiliki durasi 10 detik, pencarian
pada
basis data yang merniliki jumlah koleksi
4. Perubahan amplitudo pada input
sebanyak
30 judul lagu membutuhkan waktu sekitar
Percobaan ini dilakukan untuk mengetahui
371
mili
detik, sedangkan pada basis data dengan
bagaimana pengaruh adanya perubahan amplitudo
jurnlah
koleksi
sebesar 40 judul waktu yang
input terhadap hasil temu kembali yang diperoleh.
dibutuhkan
sekitar
461 rnili detik dan untuk basis data
Percobaan ini dicobakan pada basis data yang
dengan koleksi sebanyak 50 judul diperlukan waktu
memiliki koleksi 50 judullagu.
sekitar 548 mili detik. Untuk input dengan durasi 20
5. Perbedaan frekuensi input
detik waktu yang dibutuhkan untuk pencarian pada
Percobaan
ini dilakukan untuk mengetahui
masing-rnasing basis data adalah 407 mili detik, 504
bagaimana pengaruh perubahan frckuensi input
rnili detik, dan 600.33 rnili detik, sedangkan untuk
terhadap hasil temu kembali yang diperoleh. Untuk
input yang berdurasi 30 detik waktu yang dibutuhkan
penelitian ini potongan lagu yang diberikan sebagai
untuk melakukan pencarian . pada masing-masing
input memiliki frekuensi 11 KHz" 16 KHz, 22 KHz,
basis
data sebesar 430 rnilik detik, 543,67 rnili detik
24 KHz, 32 KHz dan 44 KHz (masing-masing 10
dan 644,67 mili detik.
judul lagu). Percobaan ini dicobakan pad a basis
Dari data yang diperoleh menunjukkan makin banyak
data dengan jurnlah koleksi sebanyak 50 judul lagu.
koleksi lagu, makin besar pula waktu pencarian yang
dibutuhkan (Gambar 2).
2.5. Asumsi
Kejadian seperti ini adalah hal yang umum pada temu
kembali informasi. Sernakin banyak jurnlah koleksi
Asumsi-asumsi yang digunakan dalam penelitian ini
maka makin banyakjurnlah
perbandingan
yang
adalah sebagai berikut:
dilakukan pada saat melakukan pencarian.
1. Lagu yang relevan adalah Iagu yang memiliki
kecocokan lebih dari 75 %.
Tabel 1. H~sil pengukuran waktu pencarian pada basis data dengan
umlah koleksi dan durasi input beragam
2. Untuk percobaan pengukuran waktu dan pengaruh
Jumlah
Durasi
perbedaan panjang .input, posisi potongan lagu
Waktu (mili detik)
Koleksi
Input
terhadap lagu asal tidak diperhatikan,
Basis Data (detik) iRata-rata Maksimum Minimum
3. Untuk percobaan pengaruh perbedaan frekuensi
input dan pengaruh perbedaan amplitudo input
270
371
44C
30
10
tcrhadap hasil yang didapatkan, posisi dan durasi
407
50e
330
20
input tidak diperhatikan.
430
49C
380
30
4. Untuk percobaan pengaruh posisi input panjang
380
461
550
40
10
.
atau durasi input tidak diperhatikan.
440
zyxwvutsrqponmlk
504
61C
20
Untuk pembulatan angka, jika angka dibelakang
490
61C
543.67
30
koma lebih besar atau sama dengan 5 maka akan
f----.
66(]
490
dibuIatkan keatas sedangkan untuk angka lebih kecil
548
50
10
dari 5 akan dibulatkan kebawah
71(]
550
600.33
20
71(]
600
644.67
30
136
2.
merniliki nada yang sama pada 10 nada petamanya, akan
Hubungan Waktu dan DurasizyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
Input
tetapi sangat berbeda pada nada-nada berikutnya, sehingga
Pada percobaan ini akan diamati bagaimana pengaruh
input dengan durasi yang lebih panjang akan lebih spesifik
perubahan durasi input terhadap waktu pencarian.
menunjuk ke lagu yang sesuai,
Durasi input yang digunakan adalah 10, 20 dan 30
detik. Input tersebut dicobakan pada basis data yang
Posisi Input
memiliki jumlah koleksi lagu sebanyak 50 judul
Pada percobaan
nu akan diamati
bagaimana
(TabelzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
1 dan Gambar 3).
hubungan antara posisi input terhadap hasil temu kembali,
Posisi input yang digunakan
adalah awal, pertengahan
dan akhir lagu.
:i2"700
:g
"C
600
Dad percobaan yang dilakukan ternyata input dengan
posisi
diakhir lagu memiliki persentase yang lebih baik
m30judul
jika dibandingkan
input dengan posisi diawal dan
.40judul
:::I
dipertengahan lagu. Untuk persentase terambil, input
~ 300
D50judul
dengan posisi diakhir lagu memiliki persentase sebesar
~III 200
91,67% sedangkan input dengan posisi diawal dan tengah
~ 100zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
lagu masing-rnasing memiliki persentase sebesar 66,67%
~
0
dan 83,33% (Tabel 2). Untuk persentase terambil pada
10
20
30
posisi pertama input berposisi diakhir lagu memiliki
persentase sebesar 83,33% (Tabel 2), persentase ini lebih
durasi input (detik)
besar jika dibandingkan dengan input berposisi diawal dan
ditengah lagu.: Untuk nilai persentase kecocokan yang
Gambar2. Grafik hubungan waktu pencarian dcngan jumlah kolcksi
paling tinggi, input dengan posisi diakhir lagu memiliki
basis data dan durasi input yang beragam
nilai terbesar yaitu sebesar 96,154%. Meskipun demikian
input dengan posisi diawal dan tengah lagu merniliki nilai
diatas 90%. (Tabel 2).
:;; 660
~ 640
Tabel 2. Hasil percobaan pengaruh perubahan posisi input
~ 620
terhadap hasil
600
'in 580
~:::IIII 560
-(/)
yang Diamati
Posisi Input
~III 540
Denan Tenzah Belakang
:::I 520
Si: 500
11
Jumlah Terarnbil
C\I
8
10
~ 480
Jurnlah Tidak
1
Terambil
4
2
durasllnput (detik)
91,6667
83,33
Persentase Terambil
66,667
Persentase Tidak
16,67
8,33333
Terambil
33,333
Gambar 3. Grafik hubungan perubahan durasi input dan
Jumlah Terambil
waktu pencarian
pada Urutan 1
7
8
-~
~ 500
400
i'
1
--
Jumlah Terambil
PanjangzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
Input
Bukan pada Urutan I
Pada percobaan ini akan diamati hubungan antara
Jumlah
Tidak
panjang (durasi) input terhadap hasil temu kembali.
Terambil
Durasi input yang digunakan adalah 10, 20 dan 30 detik.
Persentase Terambil
I-g.ada Urutan 1
Dari hasil percobaan dapat disimpulknn bahwa makin
Persentase Terambil
panjang input maka akan makin baik pula output yang
Bukan
pada Uruta!1 1
didapatkan. Hal ini terjadi karena makin panjangnya input
persentase
Tidak
akan membuat lebih banyak lagi nada pada input yang
Terambil
dapat dibandingkan dengan nada pada lagu di basis data.
Persentase
Dengan makin banyaknya nada yang dibandingkan maka
Kecocokan Terting~.
akan memperkecil kemungkinan lagu-lagu yang tidak
relevan terambil, sebab bisa saja ada beberapa lagu yang
1
2
-- 1
4
2
1
58,333
66,67
83,3333
8,3333
16,67
8,33333
33,333
16,67
8,33333
90,833
94,65
96,154
--
137
Perubahan AmplitudozyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
Input
Percobaan ini bertujuan untuk mengarnati hubungan
r--------------------------------,
antara perubahan amplitudo pada frekuensi-frekuensi
Bukan UrutanzyxwvutsrqponmlkjihgfedcbaZYXW
tengah (center frequencies) yang membentuk suara input
dengan hasil temu kembali yang dihasilkan, input dibagi
kedalam dua golongan yaitu input full bass dan input full
treble.
54%
Secara
keseluruhan
persentase
terambil
yang
dinasilkan oleh kedua macam input tersebut sekitar 58%
(Gambar 4). Sedangkan persentase terambil pada urutan
Tidak
pertarna yang diperoleh dati percobaan sekitar 54%
(Gambar 5).zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
Gambar
r-------------------------------Terambil
Tidak Terambil
Gambar
4. Persentase terambil atau tidaknya sebuah.lagu
pada basis data, dirnana terjadi perubahan
bass dan treble pada input
Untuk persentase kecocokan antara input dengan Jagu
asal, nilai tertinggi yang didapat adalah sebesar 94.527%.
Sedangkan persentase kecocokan antara input dan lagu
asal, nilai tertinggi untuk masing-masing jenis input
adalah sebesar 84.08% untuk input full bass dan 94.527%
untuk input full treble.
Hasil yang diperoleh dari percobaan menunjukkan
bahwa meskipun terjadi perubahan amplitudo (dalam hal
ini perubahan pada frekuensi tengah penyusun bass dan
treble) tetapi hasil temu kembali yang diperoleh masih
cukup baik. Hal ini menunjukkan
bahwa adanya
perubahan amplitudo pada frekuensi-frekuensi
tengah
tidak memberikan pengaruh yang berarti pada hasil temu
kembali karena perubahan amplitudo tidak mengakibatkan
berubahnya frekuensi.
,
Urutan 1
S. Persentase terambil pada urutan pertama, selain urutan
pertarna dan tidak terambil sebuah lagu pada basis data,
dimana terjadi perubahan bass dan treble pada input
Perbedaan Frekuensi Input
Pemberian input yang merniliki frekuensi berbedabeda bertujuan untuk mengetahui seberapa besar pengaruh
perubahan frekuensi terhadap hasil temu kembali yang
didapat. Frekuensi input yang digunakan sebagai input
adalah 11 KHz, 16 KHz, 22 KHz, 24 KHz, 32 KHz dan 44
KHz, sedangkan berkas-berkas lagu yang hendak dicari
memiliki frekuensi 8 KHz.
Dari has il percobaan dapat disirnpulkan bahwa untuk
frekuensi input yang berbeda-beda didapatkan hasil yang
sarna yaitu tidak adasatu pun judul lagu yang terambil
dari basis data. Hal ini menunjukkan bahwa sekecil
apapun perubahan frekuensi dari sebuah Jagu akan
mengakibatkan ketidakcocokan antara input dengan lagu
yang dicari.
Hal tersebut
diatas
terjadi
karena
banyaknya
gelombang atau getaran yang dihasilkan dalam waktu 1
detik berbeda, frekuensi adalah banyaknya gelombang
atau getaran yang terjadi dalam waktu 1 detik, banyaknya
gelombang yang dihasilkan oleh koleksi lagu-lagu ya~g
ada di basis data adalah 8000 gelombang per detik
(8KHz),
sedangkan
banyaknya
gelombang
yang
dihasilkan oleh input lebih besar, yaitu antara 11000
sampai 44000 gelombang per detik (11 KHz sampai 44
KHz). Hal ini mengakibatkan string S, D dan U yang
dihasilkan oleh lagu-lagu pada basis data berbeda dengan
yang dinasilkan oleh input. Karena string S, D dan U yang
dihasilkan sangat berbeda maka tidak akan pemah
ditemukan kecocokan antara input dengan lagu yang
dicari.
Jadi sekecil apapun perbedaan frekuensi antara input
dengan
lagu yang ada dalam
basis data akan
mengakibatkan
tidak
ada
s~~
lagupun
Y?ng
ditemukembalikan oleh sistem. Hal ini sangat berbeda jika
dibandingkan dengan hasil percobaan pengaruh perubahan
138
disebabkan oleh penggunaan algoritma Baeza-Yates
dan Perleberg sebagai algoritrna pencocokan string.
3. Untuk percobaan perubahan panjang (durasi) input,
hasil percobaan menunjukkan bahwa input dengan
durasi 30 detik memlliki rata-rata persentase terambil
pada urutan pertarna paling baik, serta persentase
Sistem
terambil dan persentase kecocokan antara input dengan
lagu asal yang baik pula. Secara umum dapat
Untuk penelitian ini sistem yang digunakan untuk
disirnpulkan bahwa makin panjang durasi input rnaka
melakukan proses temu kembali bukanlah sebuah sitem
akan makin baik pula hasil yang akan diperoleh,
temu kembali informasi yang utuh dan terintegrasi dengan
4. Input dengan posisi diakhir lagu memiliki persentase
baik. Sistem dalam penelitian ini terbagi menjadi tiga
yang paling baik untuk tiga katagori yang diamati. Hal
buah modul yaitu modul 1 yang merupakan elernen
ini terjadi karena hamper tiap lagu memiliki
terpenting
sebab di modul inilah terdapat proses
kecenderungan untuk terus menurun diakhir lagu.
pencocokan string dengan menggunakan algoritrna yang
5. Adanya perubahan amplitude pada frekuensi tengah
dikembangkan oleh Baeza-Yates dan Perleberg (1992),
tidak memberikan pengaruh yang sangatekstrim, tidak
modu12
adalah sebuah modul yang berfungsi untuk
mengubah atau mengkonversi vektor yang diperoleh dari
ada yang terambil, terhadap hasil yang diperoleh sebab
proseszyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
pitch tracking menjadi string S, D dan U yang akan
perubahan
amplitudo
tidak
merubah
frekuensi
disimpan sebagai berkas teks yang nantinya akan
sehingga bentuk suara pun tidak berubah.
1 sebagai input, modul 2 tidak
digunakan oleh modulzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
6. Frekuensi input yang berbeda dengan frekuensi lagu
asal akan mengakibatkan tidak terambilnya lagu pada
hanya menyediakan input bagi modul I, tetapi modul ini
juga menyediakan hasil konversinya untuk dirnasukkan
basis data.. Hasil percobaan menunjukkan tidak ada
kedalam basis data, sedangkan modul 3 adalah modul
satu lagupun yang ditemukembalikan oleh sistem.
yang digunakan untuk melakukan proses pitch tracking
atau dengan kata lain modul 3 berfungsi sebagai pitch
REFERENSI
tracker. output yang dihasilkan oleh modul ini disimpan
[1] Baeza-Yates, R. A. & C. H. Perleberg. 1992.
dalam bentuk berkas biner yang digunakan sebagai input
Fast and Practical Aproximate String Matching
oleh modul 2. Ketiga modul tersebut dibangun dalam
http://citiseer.nj.nec.con1ibaeza-yates92fast.htrnl.
lingkungan bahasa pemrograman yang berbeda . Untuk
[16 Juli 2002].
pembuatan
modul
1
dan 2 digunakan
bahasa
pemrograrnan Microsoft Visual C++, sedangkan untuk
[2] Bainbridge,
D., C. G. Nevill-Manning,
I. H.
membuat modul 3 digunakan bahasa program yang ada di
Witten,
L.
A.
Smith
&
R.
J.
McNab.
1999.
MATLAB.
Toward
a
Digital
Library
of
Popular
Music.
Meskipun demikian bukan berarti sistem yang belum
http.r/craig.nevillterintegrasi ini tidak dapat diintegrasikan dengan baik
manning.com!-nevillJpublicationsIDLl99
.pdf. [11
sebab dengan menggunakan MA TLAll routine yang
Juni2002].
dibuat dengan menggunakan bahasa C dapat digunakan
secara langsung oleh MA TLAB. Selain itu dengan
s. B. C.
[:I] Ghias, A., J. logan, D. Chamberlinzyxwvutsrqponmlkjihgfe
menggunakan MA TLAB dapat dibuat interface yang
Smith.
1995.
Query
by
Humming
.'
Musical
menarik.
Information Retrieval in an Audio Database.
http;//www.cs.comel.edulinfo/facultylbsmithlqucr
4. KESIMPULAN
Lby_humming.htrn.
(11 Juni 2002J.
amplitudo, karena adanya perubahan frekuensi akan
mengakibatkan perubahan bentuk suara, sementara adanya
perubahan amplitudo tidak berpengaruh pada bentuk suara
karena perubahan amplitudo tidak merubah frekuensi.
Dari hasil-hasil yang diperoleh dari percobaanpercobaan
yang dilakukan
dapat ditarik beberapa
kesimpulan, yaitu :
1. Jumlah koleksi lagu pada sebuah basis data akan
mernpengaruhi
waktu pencarian.
Makin banyak
koleksi lagu yang ada pada suatu basis data rnaka akan
semakin lama pula waktu yang diperlukan.
2. Panjang pendeknya sebuah potongan Iagu yang
digunakan sebagai input akan mempengaruhi waktu
pencarian sebab makin panjang durasi input maka
akan makin lama pula waktu yang dibutuhkan, Hal ini
[4] McNab, R. J., L. A. Smith, r, H. Witten, C. r.,
1996. Towards
Handerson & S. J. Cunningham.
The Digital Music Library : Tune Retrieval from
Acoustic
Input,
http://www.cs.waikato.ac.nzI-ihw/papers/96RJM_
LAS_IHW _CLH_SJC.pdf.[11 Juni 2002].
[5] Nevlll-Mannlng,
C. G. & C. Francu, 2000.
Distance Metrics and Indexing Stratgies for a
Digital
Library
of
Popular
Music.
httpi//craig.nevill-
139
manning ..;oml-nevilllpublications/ICMEOO.pdf.l
1 Juni 2002].
[6] Part-Enader,
Addison-wesley.
J
interactive
Music.
http://ccrmawww.stanford.eduJ-craig/papers/Ol/ICMCOlyitc
h.pdf. [16 luli 2002).
E. 1995.zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
The Matlab Handbook.
Canada.
(9] Uitenboogerd, A. & J. ZobeL 1999. Melodic
[7] Salton, G. 1989. Automatic Text Processing: The
Transformation,
Analysis
and Retrieval
of
information
by
Computer.
Addison-wesley.
Canada.
Matching
Techniques
for
Large
Music
Databasess.
http://www.kom.e-tecbnik. tudarmstadt.de/-cmmn99/ep/uitdenboogerd/Melodi
c Matching
Techniques
for Large Music
Databases.htm[11 Juni 2002].
. [8] Sapp, C., A. Master & 'P. dezyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
la Cuadra. 1001.
Efficient
Pitch
Detection
Techniques
for
140
PERBANDINGAN ALGORITMA HUFFMAN STATII( DENGAN ALGORITMA
HUFFMAN ADAPTIF PADA KOMPRESI DATA TEKS
Bib Paruhum Silalahi', Julio Adisantoso", Danny Dimas Sulistio?
'Departemen Matematika, FMIPA, Institut Pertanian Bogor
JI. Raya Pajajaran Bogor, Indonesia
20epartemen Ilmu Komputer, FMIPA, Institut Pertanian Bogor
JI. Raya Pajajaran Bogor, Indonesia
30epartemen I1muKornputer, FMIPA, Institut Pertanian Bogor
JI. Raya Pajajaran Boger, Indonesia
Email: ediary@plasa.com
ABSTRAKzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
Penelitian ini bertuj
PRO
S
D
N
Gzyxwvutsrqpon
SNIKTI V
zyxwvutsrqponm
Seminar Nasional Ilmu Komputer dan Teknologi Informasi V
Vol. V No, 1 September 2004
Aula Matematika - FMIPA IPS, 2-3 September 2004
DEPARTEMEN ILMU KOMPUTER - FMIPA
INSTITUT PERT ANIAN BOGaR
•
SEMINAR NASIONAL ILMU KOMPUTER DAN TEKNOLOGI INFORMASI V 1004zyxwvutsrqponmlkjihg
DAFTARISI
Kata Pengantar
1
Sambutan Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam E"JB
Susunan Panitia
Susunan Acara
11
111
,.....
Jadwal Penyajian Makalah
Daftar Makalah
.
IV
V
,......................................................
Xl
KATAPENGANTARzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIH
Dengan mengucap syukur ke hadirat Allah SWT, Departemen Ilmu Komputer
Fakultas Matematika dan Ilmu Pengetahuan Alam IPB mengadakan Seminar Nasional
Ilmu Komputer dan Teknologi Informasi 2004 (SNIKTI-2004) pada tanggal 2 - 3
September 2004 di Kampus JPB Baranangsiang Bogor. Seminar ini merupakan
kegiatan rutin dari Indonesian Society on Computer and Information Sciences (leIS).
Pada kesempatan ini bekerja sama dengan Departemen Ilmu Komputer IPB.
Pada seminar ini Panitia
institusi pendidikan tinggi seperti
Telkom Bandung, Univ. Pancasila
diterima untuk dipresentasikan dan
: 1411 - 1071.
menerima 87 makalah penelitian dari beberapa
IPB, ITB, ITS, UI, Univ. Petra Surabaya, STT.
, dan lain-lain. Setelah dievaluasi, 58 makalah
dibukukan dalam bentuk presiding dengan ISSN
Panitia menyampaikan penghargaan setinggi-tingginya
kepada keynote
speaker, para pemakalah dan peserta yang telah hadir dalam acara seminar ini,
sehingga dapat memberikan kontribusi yang tidak ternilai. Selanjutnya kepada pihakpihak yang membantu sehingga acara ini dapat berlangsung dengan lancar kami
ucapkan banyak terima kasih. Kemudian bila di dalam proses awal sampai
terselenggaranya acara ini terdapat kesalahan atau hal-hal yang kurang berkenan,
maka atas nama panitia kami mahan maaf sebesar-besarnya.
Bogor, September 2004
If. Agus Buono, M.Si., M.Komp.
Penanggung Jawab SNIKTI V 2004
SAMzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
BUrAN
DEKAN FAKVLTAS MATEMATIKA DAN lLMU PENGETAHUAN ALAM
INST1TUT PERTANIAN BOGaR
Assalamu 'alaikum 'Wr. Wb.
Pertama-tama marilah kita panjatkan puji syukur ke hadirat Allah SWT Tuhan Yang Mahakuasa, dimana hanya karena rahmat dan hidayahNya maka Seminar
Nasional Ilmu Komputer dan Teknologi Informasi 2004 (SNIKTI-2004) ini dapat
terselenggara dengan baik. Saya ucapkan selamat datang kepada semua pemakalah
dan peserta SNIKTI-2004 di Institut Pertanian Bogor.
SNIKTI·2004 terselenggara atas kerja sama antara Departemen IImu
Komputer IPB d.engan Masyarakat Ilmu Komputer dan Informasi Indonesia (atau
yang lebih deikenal dengen sebutan leIS -zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
Indonesian Society on Computer and
Information Sciences) yang berpusat di Fakultas Ilmu Komputer UI. SNlKTI ini
merupakan kegiatan seminar nasional ke-5 . Topik yang dipresentasikan mencakup
materi yang terkait dengan hidang ill1111kornputcr dan tcknologi informasi beserta
aplikasinya. Dengan cakupan materi ini diharapkan partisipan kegiatan SNIKTI
berasal dari kalangan peneiiti, akademisi dan praktisi.
Forum ini diharapkan dapat dimanfaatkan untuk diseminasi hasil penelitian
teknologi infonnasi. Selain itu seminar ini dapat menjadi wahana untuk berdiskusi
dan berkomunikasi serta untuk meningkatkan kerjasama antar peneliti dan praktisi.
Akhirnya, perkenankanlah saya sampaikan terirna kasih yang scbesar-besarnya
kepada semua pihak yang telah rncndukung suksesnya penyelenggaraan SNIKTI2004, terutama sekali kepada komitc pelaksana dan program, para sponsor, dan pihakpihak lain yang secara langsung maupun tidak langsung telah ikut memberikan andil
bagi terselenggaranya SNIKTI 2004, Semoga bantuan dan amal baiknya akan
mendapat ganti yang jauh lebih baik dari Allah SWT. Semoga kegiatan seminar
nasional ini akan mernberikan manfaat yang sebesar-besamya bagi semua pihak yang
memerlukan.
Wassalarnu 'alaikum Wr. Wb.
Dr. Ir. Yonny Kcesmaryono, MS.
11
SEMINAR NASIONAL ILMU KOMPUTER DAN TEKNOLOGI INFORMASI V 2004zyxwvutsrqponmlkjihgfe
SUSUNAN PANITIA
Penanggung Jawab
• Ir. Agus Buono M.St. Mkomp (IPB)
• Dr. Benyamin Kusumoputro (DI)
Komite Program
• Prof. Marimin (IPB)
• Dr. Kudang Boro Seminar (IPB)
• Dr. Sugi Guritman (IPB)
• Dr. Zainal A Hasibuan (UI)
• Dr. Aniati Mumi (Ul)
• Dr. Bobby AA. Nazief (UI)
• Dr. T. Basaruddin (UI)
• Dr. Iping Supriana (lTB)
• Dr. Jazi Eko Istiyanto (UGM)
Ketua Pelaksana
Yeni Herdiyeni, S.Komp
Komite Pelaksana
• Ir. Meuthia Rachmaniah, MSc
• Ir. Julio Adisantoso, Mkom
• Yani Nurhadryani, S.Si, zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
'\1T
• Rindang Karyadin, S.Si, MKom
• Shelvie Nidya Neyman, S.Komp
• Agus Pudjijono, S.Komp
• Wisnu Ananta, S.Si, MT
• Imas S. Sitanggang, S.Si, Mkomp
• Armisa, S.Komp
• Panji Wasmana, S'.Komp
• Firman Ardiansyah, S.Komp
• Ahmad Ridha, S.Komp
• Hari AgW1g, S.Komp
• Drs. Prabowo
• Gage, AMd
Hi
SEMINAR NASIONAL
[LMU KOMPUTER DAN TEKNOLOGI INFORMASI V 2004
SlJSUNANzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
ACARA
Kamis,2 September 2004
09.00 -10.00
10.00
10.30
11.30
13.00
15.00
15.30
-10.15
- 11.30
- 13.00
- 15.00
- 15.30
- 16.50
Jurn'at,3
Pembukaan
- Sambutan Penangguug J awab Sl\fIKTI V
- Sarnbutan Dekan FMIPA IPB
Rehat
Ke ote S eakcr (Dr. Benyamin Kusumu utro)
Istirahat
Penyajian Makalah
Rehat
Penyajian MakalahzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
------~--~~---------------------------------------~
September 2004zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
" Keglatan
:i,t;tr'Y,",~~ffl,:,c;';----I-"'~
"zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
09.00 - 10.00
1O.()O- 10.30
10.30 -- 11.30
11.30 - 13.30
l3.30--1S.00
__
.
._-t---i->L-13.00 -- 15.00
--.----15.00 - 15.30
Peny~ian~JakalaL
Penutu an
~
IV
-----
_.-----
SEMINAR NASIONAL ILMU KOMPUTER DAN TEKNOLOGI INFORMASI V 2003zyxwvutsrqponm
JADWAL PENYAJIAN MAKALAHzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDC
i
KAMIS, 2 SEPTEMBER 2004
zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
I
I
NO
\".'AKTUzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
PEMAKALAH
PAPER
---
I
JUDUL
I
p~
I
PAPER
SESII
35
Agus Pudjijono, Julio Adisantoso ,
Yani Nurhadryani, Ahmad Ridha
ALGORlTME SEGMENTED DYNAMIC TIME WARPING PADA PENCARlAl'r
AUDIO
V
203zyxwvutsrqponmlkjihg
13.20 - 13.40
54
Ahmad Ridha, Julio Adisantoso,
Fahren
PENGINDEKSAN OTOMATIS DENGAN ISTILAH TUNGGAL UI\TUK
DOKUMEN BERBAHASA INDONESIA
V
328zyxwvutsrqponmlkjihgfe
13.40 -14.00
24
Bayu Wicaksana Wahyuardi, Julio
Adisantoso dan Fahren Bukhari
TEMU KEMBALI INFORlYfASI MUSIKAL PADA BASIS DATA AUDIO
MENGGlJNAKAN ALGORITMA KESA.1v1.AANSTRING BAEZA YATESPERLEBERG
INDONESIAN Ni\MED ENTITY RECOGNIZER (InNER)
134
13.00 - 13.20
I
14.00 - 14.20
I
25
Gatot Wahyudi dan Indra Budi
'. L--
141
I
14.20 - 14.40
14.40 - 15.00
15.30 - 15.50
10
37
52
I
Muhammad Erwin Ashari
Hariyono
I Zaino~-~.
1 Arifin
,H
Hasibuan,
Phd Eriza '"1
• -.
-.'
1-
Beni Irawan dan Zaina1 Hasibuan
I
II
QUERY EXP ~"lSION MENGGUNAKAN FUZZY JACCARD COEFICIENT
SEBAGAI FUNGSI FITNESS PADA PROSES RELEVANCE FEEDBACK
61
PENTIEKATAN ~,lODEL PERLUASAN BOOLEAN FADA SISTEM TEMU
KEMBALI INFORMASI DENGAN MENGGUNAKAN DOKUMEN XML
220
BREAK
PENGARUH PEMROGRAMAN
KEMBALI INFOR,,'-1ASI
GENETIKA TERHADAP EFEKTIVITAS TEMU
I
I
,
312
SEIvfINr'\l~ NASIONAL ILMU KOMPUTER DAN TEKNOLOGI IN-PORMASI V 2003
I
ANALISA TERJADINYA CIPHERTEXT TERKOMPRESI PADA KRIPTOGRAFI
Budi Hartono
15.50 -16.10zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
20
DENGAN ALGOFJTMA
16.10 -16.30
8
16.30 - 16.50
32
:
I
RSA
Jajang Kavita, Fazmah Arif
Yulianto, Suyanto
At"l"ALISIS PERFORJ.'vlANSI RSA DAN ECC PADA PROTOKOL SSL
Danny Dimas Sulistio, Bib
Paruhum Silalahi, Julio Adisantoso
PERBANDINGAN ALGORITMA
HUFFMAN
STATIK DENGAt"l" ALGORITMA
.HUFFM.A.N ADAPTTF PADA KOMPRESI DAH·. TCKS
..
113
49
~zyxwvutsrqponmlkjihgfedcbaZYXW
182zyxwvutsrqponmlkji
vi
----t
--
I
I
SESI2
I: 13.00 - 13.20
I
38
13.20 - 13.40
1
13.40 - 14.00
51
14.00 - 14.20
5
Ir. Tanika D Sofianti, MT, Tsabit
i Husein, ST
Lina, Benyamin
Adhi Hannoko S, Benyamin
Kusnmoputro
Waskitho Wibisono, Hideto Ikeda,
Nikolaos Vogiatzis
Agus Buono, Sugi Guritrnan,
muhidin Susanto
14.20 - 14.40
14.40 - 15.00
22
Dade Nmjanah
APLIKASI ALGORITMA GENETIKA PADA At'l'ALOGI PERENCANAAN
LINTASAN MOBILE ROBOT DENGAN REPRESENTASI GEN"'ETIK
KOORDINAT TUIK
ANALISIS KINERJA METODE MODIFIED ?'.'EAREST FEATURE LINE
DALAiv1 SISTEM PENGENAL W AJAH 3-D DENGAN VARIASI JUMLAH
OBYEK
SISTEM PENGENALA~ CACAT PENGELASA~~ (WELD DEFECT) DENGAN
MENGGUNAK.AN ANALlSIS MULTI RESOLUSI
I
I
228
1
307
PERBANDINGAN BEBERAPA METODE FTLTERlSASI CITRA DAN DETEKSJ
CANNY PADA SEGMENTASI OTOMATIS CITRA SIDIK JARI
346
APLIKASI PENGELOLA ONTOLOGI PENGETAHUAN PADA SISTEM
TUTORIAL BERINTElEGENSIA
124
15.50 -16.10
16.10 - 16.30
I
I
I
BudiAswoyo
APLIKASI ALGORITlvLt\ GENETlKA DALAM SINTESA POLA RADIASI
OPTIMUM BERBASIS ANTENA ARRA Y
104
36
Andino Maseleno
PEMBANGUNAN SISTEM PAKAR PADA PERANGKA T MOBILE DENGAN
MENGGUNAKANJ2MEDANPHP
214
43
Thiang, Indar Sugiarto, Hendrik
Chandra
KONTROL KECEPATAN MOTOR DC DENGA.N MENGGUNAKAN
JARINGANSARAFTffiUAN
256
18
I
DESIGN OF MULTI-PURPOSE FRONT E:NTIDEVICE FOR INTEGRATED
I
TRANSPORTATION SYSTEMSzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
26
BREAK
15.30 - 15.50
zyxwvutsrqponmlkjihgfedcbaZ
VI
SEMINAR NASIONAL ILMU KOMPUTER bAN TEKNOLOGI INFORMASI V 2003
49
16.30 - 16.50
Teguh Pribadi Arsyad, B.
Kusumoputro ,
PENGEMBANGAN METODE PENENTUAN BOBOT AWAL JARINGAN
NEURAL FUZZY-LVQ DALAM RUANG EIGEN UNTUK PENINGKATAN
DERAJAT PENGENALAN AROMA 3 CAMPURAN
293zyxwvutsrqponmlkjihgfe
Harry B. Santoso dan Indra Budi
COMPUTER-MEDIATED LEARNING DENGAN PENDEKATAN
COLLABORATIVE LEAlTh'ING DAN PROBLEM BASED LEARNING: STUDI
KASUS CML UNIVERSITAS INDONESIA
288
SESI3
13.00 - 13.20
48
DISTRIBUSI QUERY PADA DBMS MYSQL MEMANFAA TKAN SISTEM
13.20 -13.40zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
26
Teguh Prihatmono
REPLIKASI
149
I
Budi Sutedjo Dharma Octomo &.
13.40 - 14.00zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
39
KESIAP AN PERGURUAN TINGGI DI DAERAH ISTIMEW A YOGY AKARTA
i
R. Gunawan Santosa
UNTUK ME1\'YELENGGARAKAN LAY ANAN E-EDUCATION
i
II
14.00 - 14.20
I
30
14.20 - 14.40
I
47
,
114.40
- 15.00
I
Taufik Djatna dan Albertus
Reinandang
I
Resmana Lim, Arthur Franklin,
I Agustinus N
AbdullahEmbong,
Jamaluddin
58
233
SISTEM INFORMASI BERBASISzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
SMS/GSM UNTUK PENJADW ALAN,
172
PENENTUAN .TALUR DAN PENGELOLAAN SAMP AH PADAT PERKOT AAN
SISTEM AKSES FASILITAS PENDAFTARAN
JADW AL UJIAN MAHASISW A VIA SMS
RENCANA STUDI DAN
279
I
Zulikha
MANAGEMENT OF IN"FORMATION THROUGH AN INTERACTIVE VOICE
RESPONSE SYSTEM THE PROSPECT OF RELIGIOUS DOMAIN
I
351
BREAK
15.30-15.50
I
Wikan Danar Sunindyo, Rakhmat
Aji Jauhari, Isman Hidayat
Suryaman
16
I
!
15.50-16.10
16.10 -16.30
I
19
: Dr. Muhammad Zarlis, M. Kom
dan Rahmat Widia Sembiring, SE.
M.Sc.IT
55
Rira Laksrniwati, Ir. MSc.
VIRTUAL OFFICE SEBAGAI PENERAP AN COMPUTER-SUPPORTED
COOPER ATIVF \VORK (CSCW)
94
I
MEMBANGUN TRUST SEBAGAI KUNCI KEBERHASILAN E-COMMERCE
EKSPLORASI METODOLOGI PEMBANGUNAN DATA MART
110
336
I
I
......
...
........
I
VlI
SEMINA.R ~ASIONAL ILMU KOMFUTER DAN TEKNOLOGI INFORMASI V 2003zyxwvutsrqponml
SESI4
13.20 - 13.40
1
13.40 - 14.00
14.20 - 14.40
Jazi Eko Istiyanto dan NurhayatizyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
Masthurah
K01'-'FIGtTRASI SECURITY POLICY SELINUX
23
13.00 - 13.20
14.00 - 14.20
---zyxwvutsrqpon
-T
I
Denny Restria Widaryanto, Fazmah
SISTEM PENDETEKSI PERANGKAT KERA.8 KOMPUTER MELALUI
, Arif Yulianto, Sri Widowati
i ;AIUNGA;--I
_
9
EVALUASI PERFOR1-1i'l.NCr:: SCTP SEBAGAI PROTOKOL 'TR"'-l-;SPORT
Novala Panala, Tutunluhana,zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
Hendrawan
SS70VERIP
53
I
14
45
Hany Ferdinanda
MEMBANGUN SISTEM FAULT TOLERANTPADA
APLIKASI SISTEM TERDISTRlBUSI
Fatilah, Iwan Syarif
A.PLIKASI ALGOPJTtvL\ NAIVE BAYES UNTUK PENDEfEKSIAN
PADA SISTEM JARINGAN KOMPUTEk
1
130
I
55_1
I
I
318
FIELDBUS UNTUK
84
ThiRDSI
I
I
267
I
301
BREAK
15.30 - 15.50
50
Wisnu M Suryaningrat, Rizal F Aji
15.50 - 16.10
42
Dwi Handoko
16.10 - 16.30
34
Hero Suhartanto dan Jimmy
KEBlJTlTHAN INFRASTRL'KTUR
PERPUSTAKAAN
DIJITAL
1
II
II
IMPLEMENt ASI BLOCK MATCHING MOTION VECTOR ESTIMATION
DALAM KOMPUTER KLASTER
252
1
PENERJEMAH KODE NUMERIK__ - FORTRAN
KE JAVA
199
zyxwvutsrqponmlkjihgfedcbaZYXW
II
!
--
--
.
-
..
-
--
.. -
-
I
I
JUMAT, 3 SEPTEMBER 2004
WAKTU
NO
JUDUL
fEMAKALAH
PAPER
I
1
HAL
PAPER
SESll
13.30 - 13.50
13.50-14.10
3
13
Muhanunad Arief
Arna Fariza, Achrnad Basuki
____
.L-
CONFLICT RESOLUTION DALAM FORMALISASI BUREAUCRATIC RULE
PENGEMBANGAN HYBRID ALGORITMA GENETIKA SIMULATED
ANNEALING PADA PERAMALAN TIME SERIES DENGAN KLASIFIKASI
---_ DATABERDASARKANTREND
......
--
-
---
------------------------_
..
13
79
I
Vlll
SEMINAR NASIONAL ILMU KOMPUTER DAN TEKNOLOGI INFORMASI V 2003
Budi 1. Setiawan, Krissandi Wijaya,
14.10 - 14.30zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
12
APLIKASI JARINGAN SYARAF TIRUAN UNTUK ESTlMASI DRY BULK
Taku Nishimura dan Rudiyanto
I Sarbini, Meuthia Rachmania,
Agus
44zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
14.30 - 14.50
72
BENSITY DAN VOLUMETRIC WATER CONTENT PADA TANAH
Buono
PERBANDINGAN
261zyxwvutsrqponmlkjihg
METODE EIGEN PADA PENGENALANWAJAH
BREAK
I
15.30 - 15.50
21
I Taufik Djatna,
I dan Yandra
Marimin, Machfud
.
REKA YASA SISTEM INFORMASI CERDAS UNTUK DIAGNOSIS DAN
PERBAIKAN KTh'ERJA BERBASIS CUSTOMER RELATIONSHIP
MANAGEMENT (CRM)
119
SISTEM PENGENALAN PLAT NOMOR KENDARAAN BERMOTOR
DENGAN MENGGUNAKAN JST
177
TzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
SESI2
13.50 - 14.10
Sutrisno; Samuel Lukas; Duriyanto
Yusuf
31
lI
14.10 - 14.30
2
14.30 - 14.50
27
I Baskoro
!
Oktianto , Sugi Guritman ,
Ahmad Ridha
PENGENALANPEMBICARA
BACKPROPAGATION
1
I Cecilia
DENGAN JARINGAN SYARAF TIRUAN
7
VERlFIKASI SISTEM BERP ARAMETER SECARA FORMAL DENGAN
DIAGRAM PREDIKAT BERPARAMETER
E. Nugraheni
!
154
BREAK
I
15.30 - 15.50
4Q
r-
15.50-16.15
I Ririn Dwi Agustin
MANAJEMEN PENGETAHUAN BERBASIS ONTOLOGI UNTUK TUGAS
AKHIR MAHASISW A (STUD! KASUS DI TEKNIK INFORMA TIKA lJNPAS)
I
I
6
I
I
Nila Oktavia, Marimin, Yeni
Herdiyeni
I
I
I
I
239zyxwvutsrqponmlkjihgfed
PENYEMPURNAAN BASIS DATA RELASIONAL FUZZY UNTUK
PENGUKURAN TINGKAT KEMISKINAN PENDUDUK (STUD! KASUS
PROPINSI BANTEN)
33
I
SESI3
13.30 - 13.50
33
Sutrisno
SISTEM BASIS DATA BITEMPORAL ATRIBlJT DINAMIS
191
13.50 -14.10
29
Tricya E. Widagdo
REPRESENTASI
FORM
167
BASIS DATA TEMPORAL MODEL NON FIRST NORMAL
IX
SEMlNAR NASION ..u. ILMU KOMPUTER DAN TEKNOLOGI lNfORlvIASI V 2003
14.10 - 14.30
46
14.30 - 14.50
Suyanto, Andhika Dwi Putera,
Fazmah Arief Yulianto
KONVERSI CITRA RASTER KE CITRA VEKTOR MENGGUNAKAN
TRANSFORlviASI WAVELETzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
273
Andrias Hardinata, Suyanto,
Fazmah AriefYulianto
STEGANOGRAPHY PADA CITRA BINER MENGGUNAKAN
MINIM1JM DISTANCE
4zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
DETEKSI SISI
19
BREAK
il-
15.30 -15.50
56
15.50 -16.15
7
I SEBUA,Lf TINJAUAK MENGENAI METODE ANALISIS CITRA
Sani Muhamad Isa
Veronica S. Moertini,
HIPEKSPEKTRAL
DAN APLIKASINY A
PENANGANfu~ ATRlBUT CITP~L\DENGAN WAVELET UNTUK
PENGEMBANGM·; .-\LGORITIv1A C4.5
~I
i
I
340
!!
43
I
I
I
28
1113.30- 13.50
14.30 - 14.50
I
Rahmat hidayati, Achmad Basuki,
Nana Ramadijanti, Arna Fariza
II
[
-,--
I
14.10 - 14.30
Izyxwvutsrqponmlkji
i
SESI4
IMPLEMENTASI MFTODA GIS DALAM REVIS! RENCANA KA WASAN
PER.1V1UKIMANME~GGlJNAKAN GIS - GRASS (STUDl KASUS :
KABUPATEN MOJOKERTO 2013)
15
Eko Sediyono dan Daniel Yohanes
PENYEIvIBUl';YIAl': PESAN DALA.M DOKUMEN C1 fRA DUA WA R::--J
A
DENGAN METODE STEGANOGRAFI
41
G.A.Putri Saptawati , dan H.B.
Rachmat, D.Laksana
KONSTRUKSI STRlTKTUR MODEL BAYESIAN NETWORK DARI DATA
DENGAN ALGORITMA K2 DAN B
Muliyadi, Indrawati, Arna Fariza,
Ali Ridho Barakbah
R.A.NCANG BANGl'N PERANGKAT LUNAK PE~lODELAN
HIER.A.RKI MODEL
~I
I
I
I
iI
i
160
I
Izyxwvutsrqponmlkjih
89
I
I
I
I
244
I
98
I
67
BREAK
15.30 - 15.50
17
15.50 -16.15
Susany SopZanit
11zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
METODE PEMBAXGKITAN
ANALYTIC
CHAOS UNTUK. ENK..lUPSI CITRA DIGITAL
x
,,zyxwvutsrqponmlkjihgfedcbaZYXWVUTSR
SEMINAR NASIONAL ILMU KOMPUTER DAN TEKNOLOGI INFORMiASI V 2004
DAFTAR MAK.ALAH
Judul Makalah
No
Hal
ANALISIS KINERJA METODE MODIFIED NEAREST FEATURE
PEN GENAL WAJAH 3-D DENGAN VARIASI JUMLAH OBYEK
LINE DALAM SISTEM
LINA, BENYAMIN KUSUMOPUTRO
2
PENGENALAN
PEMBICARA
DENGAN JARINGAN
"7
SYARAF TIRUANzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPO
BACKPROPAGATION
BASKORO OKTIANTO , SUGI GURITMAN , AHMAD RIDHA
3
CONFLICT
4
MUHAMMAD ARIEF
STEGANOGRAPHY
P ADA CITRA BINER MENGGUNA¥-.AN
DISTANCE
RESOLUTION
FORMALISASI
BUREAUCRATIC
DETEKSI
RULE
13
SISI MINIMUM
]9
SUY ANTO, FAZMAH ARIEF YULIANTOzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQ
ANDRIAS HARDINATA,
5
DALAM
DESIGN OF MULTI-PURPOSE
FRONT END DEVICE
TRANSPORTATION
SYSTEMS
FOR INTEGRATED
26
WASKITHO WIBISONO, HIDETO IKEDA, NIKOLAOS VOGIATZIS
6
FUZZYUNTUK PENGUKURAN TINGKAT
PENYEMPURNAAN
BASIS DATA RELASIONALzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDC
33
KEMISKlNAN PENDUDUK (STUD! KASUS PROl>INSI BANTEN)
MARIMIN, YENI HERDIYENI DAN NILA OKTAVIA
7
PENANGANAN ATRIBUT
ALORITMA C4.S
CITRA DENGAN WAVELET
UNTUK PENGElVIBANGAN
43
VERONICA S. MOERTINI
8
ANALISIS PERFORMANSI
RSA DAN ECC P ADA PROTOKOL
SSL
. 49
JAJANG KA VITA, FAZMAH ARIF YULIANTO, SUYANTO
9
SISTEM PENDETEKSI
PERANGKAT
DENNY RESTRIA WIDARYANTO,
10
MELALUI
JARINGAN
METODE
55
FAZMAH ARIF YULIANTO, SRI WIDOWA TI
QUERY EXPANSION .MENGGUNAKAN FUZZY ,JACCARD COEFICIENT
FITNESS PADA PROSES REU:VANCE
FEIWB/\CK
MUHAMMAD
11
KERAS KOMPUTER
SEBAGAI
FUNGSI
61
ERWIN ASHAR I HARIYONO
PEMBANGKITAN
CHAOS UNT()K ENKRIPSI
CITRA DIGITAL
67
SUSANY SOPLANIT
12
13
APLIKASI JARINGAN SYARAF TIRUAN UNTUK ESTI1HASI DRY BULK HENSITY DAN
VOLUMETRIC WATER CONTEN r PADA TANAH
BUDI I. SETIAWAN, KRISSANDI WIJA YA, TAKU NISHIMURA DAN RUDIY ANTO
PENGEMBANGAN
HYJ3RID ALGORITMA GENETIKA SIMULATED ANNEALING PADA.
PERAMALAN TIME SERIES DENGAN KLASIFIKASI DATA BERDASARKAN TREND
79
ARNA FARIZA, ACHMAD BASUKI
xi
SEMINAR NASIONAL lU"HJ KOMPtTT~R DAN TEKNOLOGI
14'
MEMBANGUN SlSTEM
TERDISTRIBUSI
FAULT TOLERANT
PAD A FIELDllUS
INFORMASI V 2004
UNTUKAPLIKASI
SISTEM
84
15zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
PENYEMBUNYIAN
PESAN DALA1"t1DOKUMEN CITRA DUA WARNA DENGAN MET ODE
STEGANOGRAF[
89
HANY FERDINANDO
EKO SEDIYONO, DAN DANIEL YOHANESzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
16
VIRTUAL OFFICE
WORK (CSCW)
SEllA GAl I)ENERAPAN
COMPUTER-SUPPORTED
COOPERATIVE
94
WIKAN DANAR SUNINDYO, RAKHMAT AJl JAUHARI, ISMAN HIDAYAT SURYAMAN
17
RANCANG
BANGUN PERANGKAT
LUNAK PEMODELAN
ANALYTIC
HIERARKI
MODEL
98
MULIYADI, INDRAWATT, ARNA FARIZA, ALl RlDHO BARAKBAH
18
APLlKASI ALGORlTMA
ANTENA ARRAY
GENETIKA
DALAM SINTESA POLA llADIASI
OPTIMUM
BERllASIS
104
BUDIASWOYO
19
MEMBANGUNzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
TRUSTSEBAGAI KUNCI KEllERHASILAN
E-COMMERCE
MUHAMMAD
20
110
ZARLlS DAN RAH~1A..TWIDIA SEMBIRING
ANALISA TERJADINYA
ALGORITMA RSA
CIPHERTEXT
TERKOMPRESI
P ADA KRIPTOGRAFI
113
DENGAN
BUDI HARTONO
21
REKAYASA SISTEM INFORMASI CERDAS UNTUKDIAGNOSIS
PERBAlKAN KINERJA BERBASIS CUSTOMER RELATIONSHIP
TAUFIK DJATNA,
22
DAN
MANAGEMENT
119
(CRM)
MARIMIN, MACHFUD DAN YANDRA
APLIKASI PENGELOLA
BERINTELEGENSIA
ONTOLOGI
124
PENGET AHUAN PADA SISTEM TUTORIAL
DADE NURJANAH
23
KONFIGURASI
SECURITY
POLICY
130
SELINUX
JAZI EKO ISTIY ANTO DAN lWRHA YATI MASTHURAH
V
24
vi·
TEMU KEMBALI INFORMASI MUSIKAL PADA BASIS DATA AUDIO MENGGUNAKANzyxwvutsrqponmlkjihgfedcbaZ
134
ALGORlTMA KESAMAAN STRING BAEZA YATES - PERLE13ERG
JULIO ADISANTOSO,
25
INDONESIAN
FAHREN BUKHARI , DAN BA YU WICAKSANA WAHYUARDI
NAMED ENTITY RECOGNIZER
GATOT W AHYUDI
(InNER)
141
DAN I~DRA BUDI
xii
SEMINAR NASIONAL ILMU KOMPUTER DAN TEKNOLOGI INFOR...\1ASI Vzyxwvutsrqpo
2004
26
DISTRIBUSI
QUERY PADA DBMS MYSQL MEMANFAATKAN
149
SISTEM REPLIKASI
TEGUH PRlHA TMONO
27
VERIFIKASI SISTEM BERP ARAMETER
BERPARAMETER
SECARA FORMAL
DENGAN DIAGRAM
PREDIKAT
154
CECILIA E. NUGRAHENI
28
IMPLEMENTASI
MENGGUNAKAN
METODA GIS DALAM REVISI RENCANA KA WASAN PERMUKIMAN
GIS -GRASS (STUDI KASUS :.KABUPATEN MOJOKERTO
2013)
RAHMAT HIDAYATI, ACHMAD BASUKI, NANA RAMADIJANTI,
29
REPRESENTASI
BASIS DATA TEMPORAL
160
ARNA FARIZA
MODEL NON FIRST NORMAL
'FORM
167
TRICYA E. WIDAGDO
30
SISTEM INFORMASI
DAN PENGELOLAAN
BERBASISzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
SMS/GSM UNTUK PENJADWALAN, PENENTUAN JALUR
SAMPAH PADAT PERKOTAAN
172
TAUFIK DJATNA DAN ALBERTUS REINANDANG
31
SISTEM PENGENALAN PLAT NOMOR KENDARAAN BERMOTOR DENGAN
MENGGUNAKAN JSTzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
177
SUTRISNO, SAMUEL LUKAS,DAN DURIY ANTO YUSUF
32
PERBANDINGAN ALGORITMA HUFFMAN
ADAPTIF P ADA KOMPRESI DATA TEKS
BIB PARUHUM SILALAHI,
33
STATIK DENGAN ALGORITMA
JULIO ADISANTOSO,
SISTEM BASIS DATA BITEMPORAL
HUFFMAN
~82
DANNY DIMAS SULISTIO
ATRIBUT DINAMIS
191
SUTRISNO
34
PENERJEMAH
KODE NUMERIK
HERU SUHARTANTO
35
ALGORITME
36
PEMBANGUNAN
J2l\1E DAN PHP
KE JA VA
199
DAN JIMMY
SEGMENTED
AGUS PUDJIJONO,
FORTRAN
DYNAMIC
TIME WARPING PADA PENCARIAN
JULIO ADISANTOSO,
AUDIO
YANl NURHADRYANT, AHMAD RlDHA
SISTEM PAKAR PAlM. PERANGKAT
MOBILE
DENGAN MENGGUNAKAN
214
ANDINO MASELENO
37
PENDEKATAN MODEL PERLUASAN BOOLEAN PADA SISTEM TEMU KEMBALI
INFORMASI DENGAN MENGGUNAKAN
DOKUMEN XML
ZAINAL ARIFIN HASIBUAN,PHD,
38
220
ERIZAL
APLIKASI ALGORITMA GENETIKA
ROBOT
DENGAN REPRESENTASI
GENETIK
PADA ANALOGII)ERENCANAAN
KOORDINAT
LINTASAN
MOBILE'
228
TITIK
Xlll
SEMINAR NASIONld~ ILMU KOMPlITER
DAN TEKNOLOGI INFORlvIASI V 2004
TANlKA D SOFIANTI ,TSABlT HUSEINzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
39
KESIAPAN PERGURUAN
MENYELEl\GGARAKAN
Bum SUTEDJO
40
TINGGI DI DAERAH ISTIMEW A YOGY AKARTA UNTUK
LAYA.NAN E-EDeCATION
233zyxwvutsrqponm
DHARMA OETOMO DAN R. GUNAWAN SANTOSA
MANAJEMEN FENGETAHUAN
BERBASIS ONTOLOGI UNTUK TUGAS AKHIR MAHASlSWA
(STUDI KASUSzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
III TEKNII( INFORMATIKA
lINPAS)
239
RIRIN DWI AGUSTIN
41
KONSTRUKSI S'fR[1KTUR
ALGORITMA K2 DAN B
MODEL
HAYES IAN NI~TWORK
DARI DATA DENGAN
244
G.A.PUTRI SAPTA W ATI , DAN H.B. RACHMA T, D.LAKSANA
42
IMPLEMENTASI
BLOCK MATCHING
KOMPUTER KLASTER
MOTION
VECTOR
ESTIMATION
DALAM
252
DWIHANDOKO
43
KONTROL
TIRUAN
KECEPATAN
MOTOR
DC DENGAN MENGGUNAKAN
JARINGAN
SARAF
256
THIANG, INDAR SUGIARTO, HENDRIK CHANDRA
44
PERBANDINGAN
METODE
EIGEN PADA PENGENALAN
SARBINI, MEUTHIA RACHMANIAH,
45
APUKASI ALGORlTMA
JARINGAN KOMPUTER
261
WAJAH
AGUS BUONO
NAIVE BAYES UNTUK PENDETEKSIAN
INTRUSI
PADA SISTEM
267
FA TILAH, IW AN S YARIF
46
KONVERSI
WAVELET
CITRA RASTER KE CITRA VEKTOR" MENGGUNAKAN
TRANSFORMASI
273
SUY ANTO, ANDHIKA DWI PUTERA, FAZMAH ARIEF YULIANTO
47
SISTEM AKSES FASILITAS
MAHASISWA VIA SMS
PENDAFTARAN
RENCANA
STUDI DAN JADWAL
UJIAN
279
RESMANA LIM, ,\RTHUR FRANKLIN, AGUSTTNUS N
43
COMPUTER-MEDIATED
LEARNING DENGAN PENDEKATA~
COLLABORATIVE
LEARNING DAN lE'ROBLEM BASED LEARNING: STUDI KASUS CML UNIVERSITAS
INDONESIA
288
HARRY B. SANTOSO, DAN INDRA BUDI
49
PENGEMBANGAN
METODE PENENTUAN BOBOT A WAL JARINGAN NEURAL FUZZY-LVQ
DALAM RUANG F,IGEN UNTUK I'ENINGKATAN DERAJAT PENGENALAN ARO:\tIA 3
CAMPURAN
B. KUSUMOPUTRO,
50
KEBUTUHAN
293
TEGUH PRlBADJ ARSY AD
INFRASTRUKTUR
PERPUSTAKAAN
DIJrf AL
301
XIV
SEMINAR NASIONAL ILMU KOMPUTER DAN TEKNOLOGI INFORMASI V 2004
WISNU M SURYANINGRAT,
51
RIZAL F AJI
SISTEM PENGENALAN CACAT PENGELASANzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
(WELD DEFECT) DENGAN MENGGUNAKAN
307
ANALISIS MULTI RESOLUSI
ADHI HARMOKO S, BENYAMIN KUSUMOPUTRO
52
PENGARUH
INFORMASI
PEMROGRAMAN
GENETIKA
TERHADAPEFEKTIVITAS
TEMU KEMBALI
312
BENI IRA W AN DAN ZAINAL HASIBUANzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
53
EV ALUASI PERFORMANCE
SCTP SEBAGAI PROTOKOL
TRANSPORT
SS70VER
IP
318
NOVALAPANALA,TUTUNJUHANA,HENDRAWAN
54
PENGINDEKSAN
OTOMATIS
BERBAHASA INDONESIA
DENGAN ISTILAH
AHMAD RIDHA, JULIO ADISANTOSO,
55
EKSPLORASI
METODOLOGI
TUNGGAL
UNTUK DOKUMEN
328 ~
FAIIREN BUKHARI
PEMBANGUNAN
DATA MART
336
HIRA LAKSMIW ATI
56
57
SEBUAH TINJAUAN
APLIKASINYA
ANALISIS CITRA HIPEKSPEKTRAL
CITRA DAN DETEKSI
MANAGEMENT OF INFORMATION
THROUGH AN INTERACTIVE
SYSTEM THE PROSPECT OF RELIGIOUS DOMAIN
PEMANFAATAN
DAN
CANNY PADA
340
346
SUGI GURITMAN, MUHIDIN SUSANTO
TEKNOLOGI
AGUNG SAPUTRA,
VOICE RESPONSE
351
ZULIKHA JAMALUDDlNzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHG
ABDULLAHEMBONG,
59
METODE
SANI MUHAMAD ISA
PERBANDINGAN BEBERAPA METODE FILTERISASI
SEGMENTASI OTOMATIS CITRA SIDIK JAR!
AGUS BUONO,
58
MENGENAI
SMS BAGI DUNIA PENDIDIKAN
360
TANIKA DEWI SOFIANTI
xv
TEMU KEMBALI INFORlV1ASI l\lUSlKALzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFE
PAD A BASIS DATA AUDIO
l\IENGGUNAKAN ALGORITl\IA KESAMAAN STRING
BAEZA YATES - PERLEBERG
Julio Adisantoso *, Fahren BukharizyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
t, dan Bayu Wicaksana Wahyuardi *
* Departemen
t
ABSTRAK
Ilmu Komputer, FMIPA, Institut Pertanian Bogor
J1. Raya Pajajaran, Bogor, Indonesia
email: julio@fmipa.ipb.ac.id
bayu@i1komerz35.com
Departemen Matematika, FMIP A, Institut Pertanian Bogor
J1. Raya Pajajaran, Bogor, IndonesiazyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQ
Kata kunci ; Baeza Yates- Perleberg, waktu
pencarian, durasi, posisi input, amplitude,
frekuensi.
Adanya basis data dengan tipe data audio membuat
orang membutuhkan sebuah metode baru untuk
menemukernbalikan informasi tentang keberadaan sebuah
lagu pada basis data, penelitian ini bertujuan untuk
1. PENDAHULUAN
mempelajari dan menerapkan algoritma pcncocokan string
Baeza-Yates dan Perleberg pada sebuah sistem temu
kembali, Percobaan dilakukan menggunakan basis data
Banyak orang yang mengidentifikasikan dirinya
yang rnemiliki jumlah koleksi lagu berbeda (30, 40 dan
dengan musik bukan dengan gambar. Hal ini dapat dilihat
50) yang terdiri dari berbagai jenis aliran tnusik. Seluruh
dari banyaknya orang yang mengatakan "ini laguku! dan
kolcksi memiliki frekuensi 8 KHz. Percobaan yang
bukan "ini gambarku! (Francu & Nevill-Manning, 2000).
dilakukanada 5, yaitu pengukuran waktu, perpedaan
Oleh karena itu musik tidak dapat dipisahkan dari
panjangzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
input, perbedaan posisi potongan lagu terhadap
kehidupan seseorang.
lagu asal, perubahan amplitudo input, .dan perbedaan
frekuensi input. Secara umum tujuan percobaan adalah
Sesuai dengan perkembangan teknologi dewasa ini,
untuk mengetahui waktu pencarian dan pengaruh berbagai
sebuah lagu tidak hanya berbentuk kaset atau piringan
macam perlakuan pada input terhadap hasil. Untuk
hitam saja, tetapi sudah dapat dijumpai dalam bentuk
pengukuran waktu, dapat disimpulkan bahwa makin
berkas komputer, Lagu dalam bentuk berkas komputcr ada
banyak jumlah koleksi maka makin lama pula waktu yang
yang berdiri sendiri dan' ada pula yang dikumpulkan
dibutuhkan untuk melakukan pencarian. Untuk perbedaan
dalam sebuah basis data. Dengan adanya basis data audio,
maka dibutuhkan sebuah sistem temu kembali informasi
panjang input, dapat disimpulkan makin panjang durasi
yang dapat digunakan pada basis data ini, Menurut Ghias
input maka makin lama waktu pencariannya. Sedangkan
et al.(1995) cara yang paling efektif dan lazim untuk
untuk perbedaan panjang input, input dengan panjang 30
mencari keberadaan sebuah lagu pada basis data audio
detik memiliki persentase terambil pada urutan pertama
adalah dengan menyenandungkan nada-nada sebuah lagu,
sebesar 70%, persentase kecocokan tertinggi sebesar
tetapi pada penelitian ini input yang digunakan adalah
96.68% dan persentase terambil sebesar 90%. Input
potongan lagu.
berposisi diakhir lagu rnemiliki persentase terambil
sebesar 91,67%, persentase teratnbil pada urutan pertama
Untuk proses pencarian pada basis data, penelitian ini
sebesar 83,33% dan perscntase kecocokan tertinggi
menggunakan
algotitma
kesamaan
string
yang
sebesar 96,154%. Perbedaan amplitudo input tidak
dikembangkan oleh Baeza-Yates dan Perleberg (1992)
memberikan pengaruh yang ekstrim pada hasil yang
sebagaimana yang pemah dilakukan oleh Ghias et al.
diperoleh, karena perubahan amplitudo tidak mengubah
(1995). Meskipun demikian terdapat beberapa perbedaan
bentuk suara. Perbedaan frekuensi input, mengakibatkan
antara penelitian yang pemah dilakukan oleh Ghias et al.
tidak ada satu lagu pun yang terambil, karena perubahan
(1995) dengan penelitian ini, antara lain pada penelitian
frekuensi mengubah bentuk suara.
sebelumnya input yang digunakan adalah senandung nada
sebuah lagu sedangkan pada penelitian ini input yang
digunakan adalah potongan lagu. Untuk koleksi lagu pada
It
It
134
penelitian sebelumnya lagu koleksi dikonversi dari MIDI
2.2. Bah an Percobaan
sedangkan pada penelitian ini lagu koleksi dikonversi dari
MP3. Perbedaan juga terdapat pada percobaan yang
Bahan yang digunakan untuk penelitian ini terdiri
dilakukan, pada penelitian sebelumnya percobaan hanya
dari 50 buah berkas lagu berformat WA V yang
1 macamzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
input sedang pada penelitian
dilakukan terhadapzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
merupakan hasil perckarnan dad berkas berforrnat
ini input memperoleh
berbagai rnacam perlakuan.
mp3. Ke-50 buah berkas lagu berforrnat W AV
Sehingga penelitian ini tidak bertujuan untuk melakukan
tersebut direkam dengan frequensi 8 Kllz, Berkasperbaikan
pada
penelitian
yang
telah
dilakukan
berkas terse but terdiri dari berbagai macam aliran
sebelumnya, akan tetapi men.coba menerapkan hal yang
musik mulai dari musik klasik sampai musik rock
sarna pada kondisi yang berbeda.
bahkan terdapat pula lagu tradisional
2. SISTEM TEMU KEMBALI
INFORMASI MUSlKAL
2.1. Arsitektur Sistem
2.3. Pembuatan Program
Untuk
membangun
program
digunakan
perangkat lunak MATLAB versi 6.1 dan bahasa
pernrograrnan Microsoft Visual C++. Selain kedua
perangkat lunak tersebut, perangkat lunak lain yang
digunakan adalah Creative Sound Recorder yang
digunakan untuk merekam lagu kedalam format
W A V dengan freqkuensi berbeda-beda dan perangkat
lunak Ahead Nero Wave Editor unfuk memotong
lagu. Sedangkan system operasi yang digunakan
adalah Windows 98 Second Edition, Untuk basis
datanya digunakan Microsoft Access 2~OO.
Ada tiga komponen utama dalam sistem temu
kembali inforrnasi musikal pada basis data audio yang
dikembangkan oleh Ghias et al.(1995) (Gambar I), yaitu:
1. Pitch Tracker
2. Basis Data
3. Query Engine
Sedangkan proses yang terjadi dalam sistem ini adalah
sebagai berikut :zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
1. Input yang berupa potongan lagu berforrnat WAV
Perangkat keras yang digunakan adalah komputer
dirnasukkan ke dalam pitch tracker untuk diproses.
dengan processor AMD Athlon 900 MHz, memori
2. Hasil pernrosesan di pitch tracker yang berupa
sebesar 256 MB dan kapasitas hardisk sebesar 20 Gb.
melodic contour dirnasukkan ke dalam query
engine.
2.4. TujuanPercobaan
3. Query engine menghasilkan daftar lagu yang diurutkan
berdasarkan
kecocokannya
terhadap
input
yang
Pada penelitian ini percobaan yang dilakukan
diberikan.
adalah:
1. Pengukuran waktu
Percobaan ini mengamati waktu pencarian pada
basis data, dengan parameter berupa jumlah lagu
Potongan Lagu
yang ada pada basis data dan durasi input yang
diberikan.
!
Pitl:h Tracker
Melodic ~ Contour
Basis Data
~
Gambar
Quety Engine
..-
Daftar Lagu T erurut
Berdaser
Kecocckan
Terbadap Masukan
I. Arsitektur Sisnm.
Untuk pengukuran waktu terhadap jumlah lagu
yang ada pada basis data, dipakai basis data yang
memiliki jumlah koleksi lagu sebanyak 30 buah, 40
buah dan 50 buab dengan input yang memiliki
durasi berbeda-beda yaitu 10, 20 dan 30 detik.
Kemudian diamati bagaimana hubungan antara
jumlah lagu yang ada pada basis data dengan
waktu pencarian.
Sedangkan untuk faktor perbedaan durasi input,
potongan lagu yang diberikan
sebagai input
memiliki durasi 10 detik, 20 detik dan 30 detik
(rnasing-masing 10 judul lagu), yang nantinya akan
diamati hubungan antara perubahan durasi input
dengan waktu pencarian. Percobaan ini dicobakan
135
terhadap basis data dengan jumlah koleksi 50 buah
lagu.
3. HASIL EKSPERIMEN
Pengukuran waktu
2. Perbedaan panjangzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
input
Pengukuran waktu pada penelitian ini hanya dilakukan
Percobaan ini dilakukan uutuk mengetahu i
pada saat proses pencocokan string input dengan teks
bagaimana pengaruh perubahan durasi potongan
yang ada di basis data. Pada percobaan, pengukuran waktu
lagu (masing-masing
10 detik, 20 detik dan 30
dicatat dalam satuan mili detik.
detik) terhadap hasil ter1?-ukembali yang diperoleh.
Percobaan ini dicobakan kepada basis data dengan
I. Hubungan Waktu dan Jumlah Koleksi Basis Data
koleksi lagu sebanyak 50.
Hasil percobaan
pengukuran
waktu pencarian
terhadap basis data yang memiliki jurnlah koleksi
3. Perbedaan posisi potongan lagu terhadap lagu asal
yang berbeda-beda ditunjukkan oleh Tabel 1.
Percobaan ini dilakukan untuk mengetahui
Pengukuran
dilakukan terhadap basis data yang
bagaimana pengaruh posis atau letak potongan lagu
memiliki
jumlah
koleksi sebanyak 30, 40 dan 50 buah
terhadap lagu asal (awal, tengah dan akhir lagu)
judullagu
dengan
input berdurasi 10,20 dan 30 detik
terhadap hasil temu kembali yang diperoleh.
(masing-masing
durasi
10 kali ulangan kemudian
Percobaan ini dicobakan kepada basis data dengan
dirata-ratakan).
koleksi tagu sebanyak 50.
Untuk input yang memiliki durasi 10 detik, pencarian
pada
basis data yang merniliki jumlah koleksi
4. Perubahan amplitudo pada input
sebanyak
30 judul lagu membutuhkan waktu sekitar
Percobaan ini dilakukan untuk mengetahui
371
mili
detik, sedangkan pada basis data dengan
bagaimana pengaruh adanya perubahan amplitudo
jurnlah
koleksi
sebesar 40 judul waktu yang
input terhadap hasil temu kembali yang diperoleh.
dibutuhkan
sekitar
461 rnili detik dan untuk basis data
Percobaan ini dicobakan pada basis data yang
dengan koleksi sebanyak 50 judul diperlukan waktu
memiliki koleksi 50 judullagu.
sekitar 548 mili detik. Untuk input dengan durasi 20
5. Perbedaan frekuensi input
detik waktu yang dibutuhkan untuk pencarian pada
Percobaan
ini dilakukan untuk mengetahui
masing-rnasing basis data adalah 407 mili detik, 504
bagaimana pengaruh perubahan frckuensi input
rnili detik, dan 600.33 rnili detik, sedangkan untuk
terhadap hasil temu kembali yang diperoleh. Untuk
input yang berdurasi 30 detik waktu yang dibutuhkan
penelitian ini potongan lagu yang diberikan sebagai
untuk melakukan pencarian . pada masing-masing
input memiliki frekuensi 11 KHz" 16 KHz, 22 KHz,
basis
data sebesar 430 rnilik detik, 543,67 rnili detik
24 KHz, 32 KHz dan 44 KHz (masing-masing 10
dan 644,67 mili detik.
judul lagu). Percobaan ini dicobakan pad a basis
Dari data yang diperoleh menunjukkan makin banyak
data dengan jurnlah koleksi sebanyak 50 judul lagu.
koleksi lagu, makin besar pula waktu pencarian yang
dibutuhkan (Gambar 2).
2.5. Asumsi
Kejadian seperti ini adalah hal yang umum pada temu
kembali informasi. Sernakin banyak jurnlah koleksi
Asumsi-asumsi yang digunakan dalam penelitian ini
maka makin banyakjurnlah
perbandingan
yang
adalah sebagai berikut:
dilakukan pada saat melakukan pencarian.
1. Lagu yang relevan adalah Iagu yang memiliki
kecocokan lebih dari 75 %.
Tabel 1. H~sil pengukuran waktu pencarian pada basis data dengan
umlah koleksi dan durasi input beragam
2. Untuk percobaan pengukuran waktu dan pengaruh
Jumlah
Durasi
perbedaan panjang .input, posisi potongan lagu
Waktu (mili detik)
Koleksi
Input
terhadap lagu asal tidak diperhatikan,
Basis Data (detik) iRata-rata Maksimum Minimum
3. Untuk percobaan pengaruh perbedaan frekuensi
input dan pengaruh perbedaan amplitudo input
270
371
44C
30
10
tcrhadap hasil yang didapatkan, posisi dan durasi
407
50e
330
20
input tidak diperhatikan.
430
49C
380
30
4. Untuk percobaan pengaruh posisi input panjang
380
461
550
40
10
.
atau durasi input tidak diperhatikan.
440
zyxwvutsrqponmlk
504
61C
20
Untuk pembulatan angka, jika angka dibelakang
490
61C
543.67
30
koma lebih besar atau sama dengan 5 maka akan
f----.
66(]
490
dibuIatkan keatas sedangkan untuk angka lebih kecil
548
50
10
dari 5 akan dibulatkan kebawah
71(]
550
600.33
20
71(]
600
644.67
30
136
2.
merniliki nada yang sama pada 10 nada petamanya, akan
Hubungan Waktu dan DurasizyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
Input
tetapi sangat berbeda pada nada-nada berikutnya, sehingga
Pada percobaan ini akan diamati bagaimana pengaruh
input dengan durasi yang lebih panjang akan lebih spesifik
perubahan durasi input terhadap waktu pencarian.
menunjuk ke lagu yang sesuai,
Durasi input yang digunakan adalah 10, 20 dan 30
detik. Input tersebut dicobakan pada basis data yang
Posisi Input
memiliki jumlah koleksi lagu sebanyak 50 judul
Pada percobaan
nu akan diamati
bagaimana
(TabelzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
1 dan Gambar 3).
hubungan antara posisi input terhadap hasil temu kembali,
Posisi input yang digunakan
adalah awal, pertengahan
dan akhir lagu.
:i2"700
:g
"C
600
Dad percobaan yang dilakukan ternyata input dengan
posisi
diakhir lagu memiliki persentase yang lebih baik
m30judul
jika dibandingkan
input dengan posisi diawal dan
.40judul
:::I
dipertengahan lagu. Untuk persentase terambil, input
~ 300
D50judul
dengan posisi diakhir lagu memiliki persentase sebesar
~III 200
91,67% sedangkan input dengan posisi diawal dan tengah
~ 100zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
lagu masing-rnasing memiliki persentase sebesar 66,67%
~
0
dan 83,33% (Tabel 2). Untuk persentase terambil pada
10
20
30
posisi pertama input berposisi diakhir lagu memiliki
persentase sebesar 83,33% (Tabel 2), persentase ini lebih
durasi input (detik)
besar jika dibandingkan dengan input berposisi diawal dan
ditengah lagu.: Untuk nilai persentase kecocokan yang
Gambar2. Grafik hubungan waktu pencarian dcngan jumlah kolcksi
paling tinggi, input dengan posisi diakhir lagu memiliki
basis data dan durasi input yang beragam
nilai terbesar yaitu sebesar 96,154%. Meskipun demikian
input dengan posisi diawal dan tengah lagu merniliki nilai
diatas 90%. (Tabel 2).
:;; 660
~ 640
Tabel 2. Hasil percobaan pengaruh perubahan posisi input
~ 620
terhadap hasil
600
'in 580
~:::IIII 560
-(/)
yang Diamati
Posisi Input
~III 540
Denan Tenzah Belakang
:::I 520
Si: 500
11
Jumlah Terarnbil
C\I
8
10
~ 480
Jurnlah Tidak
1
Terambil
4
2
durasllnput (detik)
91,6667
83,33
Persentase Terambil
66,667
Persentase Tidak
16,67
8,33333
Terambil
33,333
Gambar 3. Grafik hubungan perubahan durasi input dan
Jumlah Terambil
waktu pencarian
pada Urutan 1
7
8
-~
~ 500
400
i'
1
--
Jumlah Terambil
PanjangzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
Input
Bukan pada Urutan I
Pada percobaan ini akan diamati hubungan antara
Jumlah
Tidak
panjang (durasi) input terhadap hasil temu kembali.
Terambil
Durasi input yang digunakan adalah 10, 20 dan 30 detik.
Persentase Terambil
I-g.ada Urutan 1
Dari hasil percobaan dapat disimpulknn bahwa makin
Persentase Terambil
panjang input maka akan makin baik pula output yang
Bukan
pada Uruta!1 1
didapatkan. Hal ini terjadi karena makin panjangnya input
persentase
Tidak
akan membuat lebih banyak lagi nada pada input yang
Terambil
dapat dibandingkan dengan nada pada lagu di basis data.
Persentase
Dengan makin banyaknya nada yang dibandingkan maka
Kecocokan Terting~.
akan memperkecil kemungkinan lagu-lagu yang tidak
relevan terambil, sebab bisa saja ada beberapa lagu yang
1
2
-- 1
4
2
1
58,333
66,67
83,3333
8,3333
16,67
8,33333
33,333
16,67
8,33333
90,833
94,65
96,154
--
137
Perubahan AmplitudozyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
Input
Percobaan ini bertujuan untuk mengarnati hubungan
r--------------------------------,
antara perubahan amplitudo pada frekuensi-frekuensi
Bukan UrutanzyxwvutsrqponmlkjihgfedcbaZYXW
tengah (center frequencies) yang membentuk suara input
dengan hasil temu kembali yang dihasilkan, input dibagi
kedalam dua golongan yaitu input full bass dan input full
treble.
54%
Secara
keseluruhan
persentase
terambil
yang
dinasilkan oleh kedua macam input tersebut sekitar 58%
(Gambar 4). Sedangkan persentase terambil pada urutan
Tidak
pertarna yang diperoleh dati percobaan sekitar 54%
(Gambar 5).zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
Gambar
r-------------------------------Terambil
Tidak Terambil
Gambar
4. Persentase terambil atau tidaknya sebuah.lagu
pada basis data, dirnana terjadi perubahan
bass dan treble pada input
Untuk persentase kecocokan antara input dengan Jagu
asal, nilai tertinggi yang didapat adalah sebesar 94.527%.
Sedangkan persentase kecocokan antara input dan lagu
asal, nilai tertinggi untuk masing-masing jenis input
adalah sebesar 84.08% untuk input full bass dan 94.527%
untuk input full treble.
Hasil yang diperoleh dari percobaan menunjukkan
bahwa meskipun terjadi perubahan amplitudo (dalam hal
ini perubahan pada frekuensi tengah penyusun bass dan
treble) tetapi hasil temu kembali yang diperoleh masih
cukup baik. Hal ini menunjukkan
bahwa adanya
perubahan amplitudo pada frekuensi-frekuensi
tengah
tidak memberikan pengaruh yang berarti pada hasil temu
kembali karena perubahan amplitudo tidak mengakibatkan
berubahnya frekuensi.
,
Urutan 1
S. Persentase terambil pada urutan pertama, selain urutan
pertarna dan tidak terambil sebuah lagu pada basis data,
dimana terjadi perubahan bass dan treble pada input
Perbedaan Frekuensi Input
Pemberian input yang merniliki frekuensi berbedabeda bertujuan untuk mengetahui seberapa besar pengaruh
perubahan frekuensi terhadap hasil temu kembali yang
didapat. Frekuensi input yang digunakan sebagai input
adalah 11 KHz, 16 KHz, 22 KHz, 24 KHz, 32 KHz dan 44
KHz, sedangkan berkas-berkas lagu yang hendak dicari
memiliki frekuensi 8 KHz.
Dari has il percobaan dapat disirnpulkan bahwa untuk
frekuensi input yang berbeda-beda didapatkan hasil yang
sarna yaitu tidak adasatu pun judul lagu yang terambil
dari basis data. Hal ini menunjukkan bahwa sekecil
apapun perubahan frekuensi dari sebuah Jagu akan
mengakibatkan ketidakcocokan antara input dengan lagu
yang dicari.
Hal tersebut
diatas
terjadi
karena
banyaknya
gelombang atau getaran yang dihasilkan dalam waktu 1
detik berbeda, frekuensi adalah banyaknya gelombang
atau getaran yang terjadi dalam waktu 1 detik, banyaknya
gelombang yang dihasilkan oleh koleksi lagu-lagu ya~g
ada di basis data adalah 8000 gelombang per detik
(8KHz),
sedangkan
banyaknya
gelombang
yang
dihasilkan oleh input lebih besar, yaitu antara 11000
sampai 44000 gelombang per detik (11 KHz sampai 44
KHz). Hal ini mengakibatkan string S, D dan U yang
dihasilkan oleh lagu-lagu pada basis data berbeda dengan
yang dinasilkan oleh input. Karena string S, D dan U yang
dihasilkan sangat berbeda maka tidak akan pemah
ditemukan kecocokan antara input dengan lagu yang
dicari.
Jadi sekecil apapun perbedaan frekuensi antara input
dengan
lagu yang ada dalam
basis data akan
mengakibatkan
tidak
ada
s~~
lagupun
Y?ng
ditemukembalikan oleh sistem. Hal ini sangat berbeda jika
dibandingkan dengan hasil percobaan pengaruh perubahan
138
disebabkan oleh penggunaan algoritma Baeza-Yates
dan Perleberg sebagai algoritrna pencocokan string.
3. Untuk percobaan perubahan panjang (durasi) input,
hasil percobaan menunjukkan bahwa input dengan
durasi 30 detik memlliki rata-rata persentase terambil
pada urutan pertarna paling baik, serta persentase
Sistem
terambil dan persentase kecocokan antara input dengan
lagu asal yang baik pula. Secara umum dapat
Untuk penelitian ini sistem yang digunakan untuk
disirnpulkan bahwa makin panjang durasi input rnaka
melakukan proses temu kembali bukanlah sebuah sitem
akan makin baik pula hasil yang akan diperoleh,
temu kembali informasi yang utuh dan terintegrasi dengan
4. Input dengan posisi diakhir lagu memiliki persentase
baik. Sistem dalam penelitian ini terbagi menjadi tiga
yang paling baik untuk tiga katagori yang diamati. Hal
buah modul yaitu modul 1 yang merupakan elernen
ini terjadi karena hamper tiap lagu memiliki
terpenting
sebab di modul inilah terdapat proses
kecenderungan untuk terus menurun diakhir lagu.
pencocokan string dengan menggunakan algoritrna yang
5. Adanya perubahan amplitude pada frekuensi tengah
dikembangkan oleh Baeza-Yates dan Perleberg (1992),
tidak memberikan pengaruh yang sangatekstrim, tidak
modu12
adalah sebuah modul yang berfungsi untuk
mengubah atau mengkonversi vektor yang diperoleh dari
ada yang terambil, terhadap hasil yang diperoleh sebab
proseszyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
pitch tracking menjadi string S, D dan U yang akan
perubahan
amplitudo
tidak
merubah
frekuensi
disimpan sebagai berkas teks yang nantinya akan
sehingga bentuk suara pun tidak berubah.
1 sebagai input, modul 2 tidak
digunakan oleh modulzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
6. Frekuensi input yang berbeda dengan frekuensi lagu
asal akan mengakibatkan tidak terambilnya lagu pada
hanya menyediakan input bagi modul I, tetapi modul ini
juga menyediakan hasil konversinya untuk dirnasukkan
basis data.. Hasil percobaan menunjukkan tidak ada
kedalam basis data, sedangkan modul 3 adalah modul
satu lagupun yang ditemukembalikan oleh sistem.
yang digunakan untuk melakukan proses pitch tracking
atau dengan kata lain modul 3 berfungsi sebagai pitch
REFERENSI
tracker. output yang dihasilkan oleh modul ini disimpan
[1] Baeza-Yates, R. A. & C. H. Perleberg. 1992.
dalam bentuk berkas biner yang digunakan sebagai input
Fast and Practical Aproximate String Matching
oleh modul 2. Ketiga modul tersebut dibangun dalam
http://citiseer.nj.nec.con1ibaeza-yates92fast.htrnl.
lingkungan bahasa pemrograman yang berbeda . Untuk
[16 Juli 2002].
pembuatan
modul
1
dan 2 digunakan
bahasa
pemrograrnan Microsoft Visual C++, sedangkan untuk
[2] Bainbridge,
D., C. G. Nevill-Manning,
I. H.
membuat modul 3 digunakan bahasa program yang ada di
Witten,
L.
A.
Smith
&
R.
J.
McNab.
1999.
MATLAB.
Toward
a
Digital
Library
of
Popular
Music.
Meskipun demikian bukan berarti sistem yang belum
http.r/craig.nevillterintegrasi ini tidak dapat diintegrasikan dengan baik
manning.com!-nevillJpublicationsIDLl99
.pdf. [11
sebab dengan menggunakan MA TLAll routine yang
Juni2002].
dibuat dengan menggunakan bahasa C dapat digunakan
secara langsung oleh MA TLAB. Selain itu dengan
s. B. C.
[:I] Ghias, A., J. logan, D. Chamberlinzyxwvutsrqponmlkjihgfe
menggunakan MA TLAB dapat dibuat interface yang
Smith.
1995.
Query
by
Humming
.'
Musical
menarik.
Information Retrieval in an Audio Database.
http;//www.cs.comel.edulinfo/facultylbsmithlqucr
4. KESIMPULAN
Lby_humming.htrn.
(11 Juni 2002J.
amplitudo, karena adanya perubahan frekuensi akan
mengakibatkan perubahan bentuk suara, sementara adanya
perubahan amplitudo tidak berpengaruh pada bentuk suara
karena perubahan amplitudo tidak merubah frekuensi.
Dari hasil-hasil yang diperoleh dari percobaanpercobaan
yang dilakukan
dapat ditarik beberapa
kesimpulan, yaitu :
1. Jumlah koleksi lagu pada sebuah basis data akan
mernpengaruhi
waktu pencarian.
Makin banyak
koleksi lagu yang ada pada suatu basis data rnaka akan
semakin lama pula waktu yang diperlukan.
2. Panjang pendeknya sebuah potongan Iagu yang
digunakan sebagai input akan mempengaruhi waktu
pencarian sebab makin panjang durasi input maka
akan makin lama pula waktu yang dibutuhkan, Hal ini
[4] McNab, R. J., L. A. Smith, r, H. Witten, C. r.,
1996. Towards
Handerson & S. J. Cunningham.
The Digital Music Library : Tune Retrieval from
Acoustic
Input,
http://www.cs.waikato.ac.nzI-ihw/papers/96RJM_
LAS_IHW _CLH_SJC.pdf.[11 Juni 2002].
[5] Nevlll-Mannlng,
C. G. & C. Francu, 2000.
Distance Metrics and Indexing Stratgies for a
Digital
Library
of
Popular
Music.
httpi//craig.nevill-
139
manning ..;oml-nevilllpublications/ICMEOO.pdf.l
1 Juni 2002].
[6] Part-Enader,
Addison-wesley.
J
interactive
Music.
http://ccrmawww.stanford.eduJ-craig/papers/Ol/ICMCOlyitc
h.pdf. [16 luli 2002).
E. 1995.zyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
The Matlab Handbook.
Canada.
(9] Uitenboogerd, A. & J. ZobeL 1999. Melodic
[7] Salton, G. 1989. Automatic Text Processing: The
Transformation,
Analysis
and Retrieval
of
information
by
Computer.
Addison-wesley.
Canada.
Matching
Techniques
for
Large
Music
Databasess.
http://www.kom.e-tecbnik. tudarmstadt.de/-cmmn99/ep/uitdenboogerd/Melodi
c Matching
Techniques
for Large Music
Databases.htm[11 Juni 2002].
. [8] Sapp, C., A. Master & 'P. dezyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
la Cuadra. 1001.
Efficient
Pitch
Detection
Techniques
for
140
PERBANDINGAN ALGORITMA HUFFMAN STATII( DENGAN ALGORITMA
HUFFMAN ADAPTIF PADA KOMPRESI DATA TEKS
Bib Paruhum Silalahi', Julio Adisantoso", Danny Dimas Sulistio?
'Departemen Matematika, FMIPA, Institut Pertanian Bogor
JI. Raya Pajajaran Bogor, Indonesia
20epartemen Ilmu Komputer, FMIPA, Institut Pertanian Bogor
JI. Raya Pajajaran Bogor, Indonesia
30epartemen I1muKornputer, FMIPA, Institut Pertanian Bogor
JI. Raya Pajajaran Boger, Indonesia
Email: ediary@plasa.com
ABSTRAKzyxwvutsrqponmlkjihgfedcbaZYXWVUTSRQPONMLKJIHGFEDCBA
Penelitian ini bertuj