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