Volume 10, No 1, 2016 Daftar Isi: Optimasi Pemilihan Emiten Pasar Modal Berdasarkan Aspek Fundamental dengan Menggunakan Algoritma Dynamic Programming 1-8 Stanley Sutedi, Seng Hansun Modul Antena dengan Susunan Uniform untuk Sistem Antena Radar Generasi Kedua 9-18 Folin Oktafiani, Yussi Perdana Saputera, Yudi Yuliyus Maulana, Yuyu Wahyu Kesadaran Keamanan Informasi pada Pegawai Bank X di Bandung Indonesia 19-26 Dian Chisva Islami, Khodijah Bunga I.H, Candiwan Analisis Data Twitter : Ekstraksi dan Analisis Data Geospasial 27-36 Edi Surya Negara, Ria Andryani, Prihambodo Hendro Saksono Sistem Kendali Pengasutan Genset Portabel Dari Jarak Jauh Tanpa Kabel 37-45 Budhi Anto 1/2016 Pusat Penelitian Informatika - LIPI Jurnal INKOM Vol. 10 No. 1 Hal. 1-45 Bandung, p-ISSN 1979-B059 Mei 2016 e-ISSN 2302-6146
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Volume 10, No 1, 2016
Daftar Isi:
Optimasi Pemilihan Emiten Pasar Modal Berdasarkan Aspek Fundamental denganMenggunakan Algoritma Dynamic Programming
1-8
Stanley Sutedi, Seng Hansun
Modul Antena dengan Susunan Uniform untuk Sistem Antena Radar Generasi Kedua 9-18Folin Oktafiani, Yussi Perdana Saputera, Yudi Yuliyus Maulana, YuyuWahyu
Kesadaran Keamanan Informasi pada Pegawai Bank X di Bandung Indonesia 19-26Dian Chisva Islami, Khodijah Bunga I.H, Candiwan
Analisis Data Twitter : Ekstraksi dan Analisis Data Geospasial 27-36Edi Surya Negara, Ria Andryani, Prihambodo Hendro Saksono
Sistem Kendali Pengasutan Genset Portabel Dari Jarak Jauh Tanpa Kabel 37-45Budhi Anto
Mitra BestariDr. Didi Rosiyadi (Informatika), Dr. Eppy Yundra (Otomasi), Dr. Kadek Yota Ernanda
Aryanto (Informatika), Dr. M. Agni Catur Bhakti (Informatika), Dr. Yusuf Nur Wijayanto(Otomasi), Ahmad Mukhlason, M.Sc (Komputer), Andria Arisal, MEDC (Informatika),
Brilliant Adhi Prabowo, M.Eng (Komputer), Hadi Susanto, M.T (Informatika), Leon AndrettiA, M.M (Informatika), Purnomo Khusnul Khotimah, M.T (Informatika)
Frekuensi terbit: Dua kali setahun, setiap bulan Mei dan November
Jurnal INKOM adalah jurnal yang mengkaji masalah yang berhubungan dengan Informatika, SistemKendali, dan Komputer dengan keberkalaan penerbitan dua kali setahun pada Mei dan November. Tulisanyang dipublikasikan berupa hasil penelitian, pemikiran atau pengembangan untuk kemajuan keilmuan atauterapan. Kelayakan pemuatan dipertimbangkan oleh penilai dengan double blind review berdasarkan keaslian(originalitas) dan keabsahan (validitas) ilmiah.
Optimasi Pemilihan Emiten Pasar Modal Berdasarkan Aspek Fundamentaldengan Menggunakan Algoritma Dynamic Programming
1-8
Stanley Sutedi, Seng Hansun
Modul Antena dengan Susunan Uniform untuk Sistem Antena Radar GenerasiKedua
9-18
Folin Oktafiani, Yussi Perdana Saputera, Yudi Yuliyus Maulana, YuyuWahyu
Kesadaran Keamanan Informasi pada Pegawai Bank X di Bandung Indonesia 19-26Dian Chisva Islami, Khodijah Bunga I.H, Candiwan
Analisis Data Twitter : Ekstraksi dan Analisis Data Geospasial 27-36Edi Surya Negara, Ria Andryani, Prihambodo Hendro Saksono
Sistem Kendali Pengasutan Genset Portabel Dari Jarak Jauh Tanpa Kabel 37-45Budhi Anto
• i
Volume 10, No 1, 2016
Editorial
Pembaca yang terhormat, Jurnal INKOM Volume 10 Nomor 1 Tahun 2016 kembali menerbitkan5 karya tulis ilmiah terpilih di bidang informatika dan komputer. Karya tulis pertama berjudul:”Optimasi pemilihan emiten pasar modal berdasarkan aspek fundamental dengan menggunakanalgoritma dynamic programming”. Makalah ini membahas pengembangan teknik optimasi dalampemilihan emiten pasar modal. Algoritma dynamic programming digunakan untuk menemukan solusioptimal pemilihan emiten pasar modal. Karya tulis kedua berjudul: ”Modul antena dengan susunanuniform untuk sistem antena radar generasi kedua”. Makalah ini akan memaparkan hasil penelitiandalam hal perancangan dan fabrikasi modul antena dengan susunan uniform pada sistem antena radargenerasi kedua. Karya tulis yang ketiga terkait dengan penelitian bidang sistem informasi. Tulisantersebut berjudul: ”Kesadaran keamanan informasi pada pegawai Bank X di Bandung Indonesia”.Hasil diperoleh melalui survei langsung di bank yang menjadi objek penelitian. Hasil penelitianmenyimpulkan bahwa rata-rata pegawai Bank X telah mempunyai tingkat kesadaran tinggi terhadapkeamanan informasi. Karya tulis keempat berjudul ”Analisis data Twitter: ekstraksi dan analisis datageospasial”. Tulisan ini membahas topik yang saat ini sedang banyak dibicarakan, yaitu Big Data.Penulis menyajikan metode untuk merangkum informasi lokasi terkait dengan suatu isu terpopuler dimedia sosial Twitter. Hasil riset tulisan ini sangat bermanfaat terutama dalam memberikan persepsimasyarakat pada lokasi tertentu terhadap isu populer yang sedang banyak diperbincangkan. Karyatulis terakhir berjudul: ”Sistem kendali pengasutan genset portable dari jarak jauh tanpa kabel”. Karyatulis ini menjelaskan pengembangan sistem pengasutan genset yang bisa dikendalikan dari jarak jauh.Isyarat kendali dikirimkan dengan menggunakan gelombang radio. Dengan adanya sistem ini, risikopencemaran udara akibat dekatnya lokasi genset dengan aktivitas manusia dapat dikurangi.
Demikian pengantar yang bisa kami sampaikan mewakili seluruh anggota Dewan Editor. Kami jugamengucapkan terima kasih kepada para anggota Dewan Pengarah, Dewan Redaksi, Editor Pelaksana,Sekretariat, para reviewer dan penulis yang telah berkontribusi penuh dalam proses penerbitanJurnal INKOM Volume 10 Nomor 1 Tahun 2016. Semoga terbitan Jurnal INKOM ini mampumenyumbangkan ide-ide yang bermanfaat bagi komunitas ilmiah di Indonesia.
Ketua Dewan Editor
Esa Prakasa
ii •
Volume 10, No 1, 2016
Kata kunci yang dicantumkan adalah istilah bebas. Lembar abstrak ini boleh disalin tanpa izin dan biayaDDC 621.39Stanley Sutedi (Senior IT Specialist, PT Bank Central Asia Tbk, Jakarta, Indonesia) Seng Hansun (TeknikInformatika, Universitas Multimedia Nusantara, Tangerang, Indonesia)Optimasi Pemilihan Emiten Pasar Modal Berdasarkan Aspek Fundamental dengan MenggunakanAlgoritma Dynamic ProgrammingINKOM, 10(1) 2016: 01-08
Penelitian ini membahas tentang optimasi dalam pemilihan emiten pasar modal denganmemperhitungkan variabel finansial yang dimiliki setiap emiten. Variabel-variabel ini yang disebut denganmultiple constraints. Dalam analisis fundamental sederhana, nilai fundamental sebuah perusahaan tercermindari nilai-nilai rasio finansial. Optimasi dilakukan dengan menggunakan algoritma Dynamic Programminguntuk solusi optimal pemilihan emiten pasar modal. Optimasi pemilihan dilakukan untuk emiten yangmempunyai bidang bisnis yang sama. Dengan optimasi ini, pengguna hanya cukup memasukkan nilai-nilairasio finansial tersebut, lalu dilakukan proses optimasi, yang pada akhirnya akan menghasilkan solusi optimal.
(Penulis)Kata kunci : optimasi, constraint, rasio finansial, saham, pasar modal, fundamental, analisisDDC 621.38Folin Oktafiani, Yussi Perdana Saputera, Yudi Yuliyus Maulana, Yuyu Wahyu (Pusat Penelitian Elektronikadan Telekomunikasi, Lembaga Ilmu Pengetahuan Indonesia)Modul Antena dengan Susunan Uniform untuk Sistem Antena Radar Generasi KeduaINKOM, 10(1) 2016: 09-18
Pada penelitian ini dilakukan perancangan dan fabrikasi modul antena dengan susunan uniform untuksistem antena radar generasi kedua. Modul antena yang dirancang terdiri dari empat buah sub-modul yangdisusun secara vertikal. Sub-modul terdiri dari susunan delapan patch berbentuk persegi yang diatur sejajar kearah horizontal dengan metode pencatuan coaxial feed pada titik tengah sub-modul. Setiap patch antena diberidaya yang sama sehingga susunan berbentuk uniform (seragam). Antena dicetak pada bahan duroid dengannilai εr 2,2 dengan ketebalan 1,57 mm. Hasil pengukuran antena menunjukkan bahwa antena dapat bekerjapada frekuensi 9,4 Ghz dengan nilai VSWR (Voltage Standing Wave Ratio) ≤ 1,5. Gain antena yang didesainsebesar 20.08 dBi dengan beamwidth horisontal 10◦ dan beamwidth vertikal 20◦.
(Penulis)Kata kunci: antena, modul, patch, susunan uniform, radar
• iii
Volume 10, No 1, 2016
Kata kunci yang dicantumkan adalah istilah bebas. Lembar abstrak ini boleh disalin tanpa izin dan biayaDDC 621.39Dian Chisva Islami, Khodijah Bunga I.H, Candiwan (Universitas Telkom, Bandung Indonesia)Kesadaran Keamanan Informasi pada Pegawai Bank X di Bandung IndonesiaINKOM, 10(1) 2016: 19-26
Berkembangnya teknologi diiringi dengan semakin meningkatnya jumlah pengguna internet diIndonesia, hal inilah yang membuat jumlah kejahatan di dunia maya bertambah.Rendahnya tingkat keamananinformasi di bidang perbankan, seperti adanya pembobolan ATM, skimming, phising dan malware juga dialamioleh Bank X yang merupakan Bank internasional dan berlokasi di Bandung. Sehingga perlu adanya tindakankesadaran keamanan informasi (information security awareness). Kesadaran akan pentingnya menjagakeamanan informasi di Bank dipengaruhi oleh beberapa faktor yakni kepatuhan hukum (regulasi) danpenjagaanintegritas data bank. Dalam meningkatkan kesadaran pegawai Bank X tersebut, peneliti menggunakanpendekatan teori verifikasi yang meliputi tiga hal perilaku pegawai dalam bekerja.Hal ini untuk mengukurpemahaman pegawai tentang kesadaran keamanan informasimelalui pengetahuan, sikap dan perilaku. Penelitimenggunakan metode penelitian kualitatif secara deskriptif dengan teknik purposive sampling, dimanapengumpulan datanya melalui wawancara. Hasil penelitian ini menunjukan bahwa pelaksanaan kebijakankeamanan informasi pada Bank X Bandung berjalan dengan baik, serta pegawai Bank X Bandung rata-ratatelah mempunyai tingkat kesadaran yang tinggi terhadap keamanan informasi.
(Penulis)Kata kunci: Kesadaran, Keamanan Informasi, Manajemen Sistem Informasi, Teori VerifikasiDDC 621.32Edi Surya Negara, Ria Andryani, Prihambodo Hendro Saksono (Data Science Interdisciplinary ResearchCenter, Universitas Bina Darma)Analisis Data Twitter : Ekstraksi dan Analisis Data GeospasialINKOM, 10(1) 2016: 27-36
Data geospasial pada media sosial Twitter dapat dimanfaatkan untuk mengetahui informasi spasial(lokasi) yang merupakan lokasi sumber munculnya persepsi publik terhadap sebuah isu di media sosial.Besarnya produksi data geospasial yang dihasilkan oleh Twitter memberikan peluang besar untuk dapatdimanfaatkan oleh berbagai pihak sehingga menghasilkan informasi yang lebih bernilai melalui prosesTwitter Data Analytics. Proses pemanfaatan data geospasial Twitter dimulai dengan melakukan prosesekstraksi terhadap informasi spatial berupa titik koordinat pengguna Twitter. Titik koordinat pengguna Twitterdidapatkan dari sharing location yang dilakukan oleh pengguna Twitter. Untuk mengekstrak dan menganalisisdata geospasial pada Twitter dibutuhkan pengetahuan dan kerangka kerja tentang social media analytics(SMA). Pada penelitian ini dilakukan ekstraksi dan analisis data geospasial Twitter terhadap suatu isu publikyang sedang berkembang dan mengembangakan prototipe perangkat lunak yang digunakan untuk mendapatkandata geospasial yang ada pada Twitter. Proses ekstraksi dan analisis dilakukan melalui empat tahapan yaitu:proses penarikan data (crawling), penyimpanan (storing), analisis (analyzing), dan visualisasi (visualizing).Penelitian ini bersifat exploratory yang terfokus pada pengembangan teknik ekstrasi dan analisis terhadap datageospasial twitter.
(Penulis)Kata kunci: media sosial, data analitycs,social media analytics, twitter data analytics, data mining, machinelearning
iv •
Volume 10, No 1, 2016
Kata kunci yang dicantumkan adalah istilah bebas. Lembar abstrak ini boleh disalin tanpa izin dan biayaDDC 621.38Budhi Anto (Jurusan Teknik Elektro Universitas Riau, Pekanbaru)Sistem Kendali Pengasutan Genset Portabel Dari Jarak Jauh Tanpa KabelINKOM, 10(1) 2016: 37-45
Karena menghasilkan emisi gas karbonmonoksida (CO) yang bersifat racun, genset portabel harusdiletakkan di luar ruangan dan tidak di dekat pintu, jendela atau ventilasi udara. Kondisi ini menyebabkan posisigenset portabel berjauhan dengan saklar pemindahnya. Oleh karena itu suatu sistem kendali pengasutan darijarak jauh tanpa kabel diperlukan untuk mempermudah operator dalam mengoperasikan genset portabelnya,sehingga dia tidak perlu berada di dekat genset untuk menyalakan atau memadamkan gensetnya. Dalampenelitian ini telah diupayakan untuk membuat sistem kendali pengasutan genset portabel dari jarak jauh tanpakabel yang dapat dipasangkan pada genset portabel berbahan bakar premium. Sistem yang dibangun terdiri atasunit pengendali jarak jauh yang berukuran dapat digenggam dan unit aktuator yang secara permanen terhubungsecara listrik dengan genset yang dikendalikan. Komunikasi antara unit pengendali jarak jauh dan unit aktuatorterjadi secara simpleks menggunakan gelombang radio pita ISM pada frekuensi 433,92 MHz. Sistem yangdibuat telah diimplementasikan untuk menyalakan dan memadamkan genset portabel YMW4500XE merkYAMAWA dan genset tersebut dapat dikendalikan sampai jarak 70 meter dan juga genset yang berada didalam bangunan berlantai tiga dapat dikendalikan dari dalam dan luar bangunan.
(Penulis)Kata kunci: sistem kendali jarak jauh tanpa-kabel, komunikasi simpleks, genset portabel
• v
Volume 10, No 1, 2016
The descriptor given are free terms. This abstract sheet may be reproduced without permission or charge.DDC 621.39Stanley Sutedi (Senior IT Specialist, PT Bank Central Asia Tbk, Jakarta, Indonesia) Seng Hansun (TeknikInformatika, Universitas Multimedia Nusantara, Tangerang, Indonesia)Capital Market Issuer Selection Optimization Based on Fundamental Aspect using DynamicProgramming AlgorithmINKOM, 10(1) 2016: 01-08
The research conducted by the author discuss about the optimization of the selection of capitalmarket issuers by counting each financial variables. These variables are called multiple constraints. In simplefundamental analysis, fundamental value of company is reflected in the values of financial ratios. Thisoptimization uses Dynamic Programming algorithm for selecting the optimal solution of issuers of capitalmarket. Optimization made for issuers that have the same business areas. With this optimization, the usersimply needs to enter the values of the financial ratios and performed optimization process that will ultimatelyresult in the optimal solution.
(Author)Keywords :optimization, constraint, financial ratio, share, capital market, fundamental, analysisDDC 621.38Folin Oktafiani, Yussi Perdana Saputera, Yudi Yuliyus Maulana, Yuyu Wahyu (Pusat Penelitian Elektronikadan Telekomunikasi, Lembaga Ilmu Pengetahuan Indonesia)Antenna Module with Uniform Array for 2nd Generation Radar Antenna SystemINKOM, 10(1) 2016: 09-18
The purpose of this research is to design an antenna module with uniform array for 2nd generation radarantenna system. The designed antenna module comprises of four sub-modules, which are arranged vertically.Each antenna sub-module consists of eight rectangular patches that are arranged horizontally using coaxialfeed as the feeding technique located at the center of the sub-module. Each antenna patch is given the samepower so that the antenna is uniformly arranged. The antenna module is printed on a duroid material with theεr 2,2 value of 2.2 and a thickness of 1.57mm. The measurement result shows that antenna module can operateat a frequency of 9.4 GHz with Voltage Standing Wave Ratio (VSWR) ≤ 1,5. An antenna gain of 20.08 dBican be obtained with a horizontal beamwidth of 10◦ degrees and a vertical beamwidth of 20◦.
The descriptor given are free terms. This abstract sheet may be reproduced without permission or charge.DDC 621.39Dian Chisva Islami, Khodijah Bunga I.H, Candiwan (Universitas Telkom, Bandung Indonesia)Awareness Information Security Employees X Bank in Bandung IndonesiaINKOM, 10(1) 2016: 19-26
The development of technology coupled with the increasing number of internet users in Indonesiaincrease the number of cyber crime. Low levels of information security (InfoSec) in the banking sector, such asthe ATM burglary, skimming, phishing and malware also experienced by X Bank an international bank locatedin Bandung. Therefore, this needs for InfoSec awareness actions. The importance of maintaining an InfoSecawareness in the Bank is influenced by several factors namely compliance with the law (regulation) and guardthe integrity of the data bank. In raising the awareness of the employees, researchers used a theoretical approachto verification that includes three employees behaviors at work. This is to measure employee understanding ofawareness of information security through knowledge, attitudes and behavior. Researchers used qualitativeresearch with description by using purposive sampling method, where the data collection is obtained throughinterviews. The Results of this research showed that the implementation of information security policy at XBank Bandung was good , and the employees of X Bank had a high level of awareness for information security.
(Author)Keywords: Awareness, Information Security , Information Management System, Verification TheoryDDC 621.39Edi Surya Negara, Ria Andryani, Prihambodo Hendro Saksono (Data Science Interdisciplinary ResearchCenter, Universitas Bina Darma)Twitter Data Analytics: Geospatial Data Extraction and AnalysisINKOM, 10(1) 2016: 27-36
Geospatial data on the media social like Twitter can be used to determine the spatial information(location), which is the location of the source of the emergence of public perception of an issue in socialmedia. The amount of data production geospatial generated by Twitter provides a great opportunity to be usedby various parties so as to produce more valuable information through Twitter Data Analytics. The processof data utilization Twitter geospatial process begins with the extraction of the spatial information such as thecoordinates of Twitter users. Point coordinates obtained from the Twitter users location sharing is done byTwitter users. For extracting and analyzing geospatial data on Twitter necessary knowledge and frameworksof social media analytics (SMA). In this research, the extraction and analysis of geospatial data Twitter toan emerging public issues and develop the prototype software used to acquire geospatial data that exist onTwitter. Extraction and analysis process carried out through four stages, namely: crawling, storing, analyzing,and visualization. This study is exploratory focused on the development of extraction techniques and analysisof geospatial data twitter.
(Author)Keywords: social media, data analytics, social media analytics, twitter data analytics, data mining, machinelearning
• vii
Volume 10, No 1, 2016
The descriptor given are free terms. This abstract sheet may be reproduced without permission or charge.DDC 621.38Budhi Anto (Jurusan Teknik Elektro Universitas Riau, Pekanbaru)Wireless Remote Control System for Portable Home GeneratorINKOM, 10(1) 2016: 37-45
The development of technology has changed the human in completing all the works and all aspectsof human life. Information and communication technology growing more rapidly in addition to impact onhuman activities. Moreover, it also has an impact on behavior and the competitive landscape of how tomanage a company that ultimately affect the development of the business world. Bandung hospitals do notuse information systems with the latest technology that can support ease of access by the users. Views of theOpera system utilization is not optimal in supporting the hospital business. It is a shortcoming of the efficiencyof the organization. A solution to improve the current information system services is required. The solution canbe acquired by using the proposed application In this case the method used to describe the organization todayis Enterprise Architecture Planning. This method is used to describe and develop enterprise architecture toachieve the company’s business strategy. This research produces some proposals that can improve the currentinformation system services.
(Author)Keywords: Development Current Enterprise, General Hospital Bandung, inpatient services
viii •
INKOM, Vol. 10, No. 1, September 2016: 01-08
Optimasi Pemilihan Emiten Pasar Modal Berdasarkan Aspek
Fundamental dengan Menggunakan Algoritma Dynamic
Programming
Capital Market Issuer Selection Optimization Based on
Fundamental Aspect using Dynamic Programming Algorithm
Stanley Sutedi1, Seng Hansun
2
1Senior IT Specialist, PT Bank Central Asia Tbk, Jakarta, Indonesia
2Teknik Informatika, Universitas Multimedia Nusantara, Tangerang, Indonesia
PT Sentul City Tbk. BKSL 31.91 5.08 0.7 9.06 13.85
PT Agung Podomoro Land Tbk. APLN 38.85 5.79 0.66 4.13 11.45
Dari hasil pengujian ini, dilakukan optimasi
secara keseluruhan rasio dimana dari keenam
saham sektor properti yang diuji didapatkan sebuah
hasil optimasi. Optimasi secara keseluruhan
memberikan setiap rasio nilai bobot yang sama
yaitu 1. Hasil proses optimasi yang dilakukan
menghasilkan PT Summarecon Agung Tbk
(SMRA) sebagai sebagai hasil terpilih. Dapat
diketahui bahwa hasil optimum value yang
dihasilkan adalah 1.47 dimana hasil tersebut
merupakan hasil penjumlahan dari nilai normalisasi
dari setiap rasio. Pada hasil optimasi menunjukkan
bahwa nilai nEPS adalah 0, dimana nilai tersebut
menunjukkan bahwa saham SMRA memiliki nilai
rasio EPS terbesar di antara yang lain. Sedangkan
nilai 0 pada nROE menunjukkan saham SMRA
memiliki nilai ROE terbesar di antara yang lainnya.
6 • INKOM, Vol. 10 No. 1, September 2016: 01-08
Gambar 5. Hasil Optimasi Secara Keseluruhan
6.2 Validasi
Validasi lewat pakar dilakukan untuk menguji
keakuratan hasil optimasi yang dihasilkan oleh
aplikasi. Dalam pengujian dilakukan proses
optimasi untuk lima sektor saham, pengujian
dilakukan dengan membandingkan hasil analisa
pakar dengan hasil optimasi dari aplikasi. Berikut
adalah data sektor yang akan divalidasi.
Tabel 2. Data Sektor Properti
Sektor
Properti EPS PER PBV ROA ROE
SMRA 81.47 11.7 3.25 9 25.53
LPCK 809.43 8.68 2.78 14.86 32.07
BSDE 164.01 9.39 2.02 13.37 21.51
ASRI 58.88 9.77 2.04 8.24 20.89
LPKR 52.69 17.74 1.54 3.92 8.69
MDLN 153.56 2.88 1.77 18.77 30.76
Tabel 3. Data Sektor Konstruksi
Sektor
Konstruksi EPS PER PBV ROA ROE
ADHI 225.54 9.75 2.56 4.18 26.22
WSKT 38.2 17.54 2.71 4.19 15.44
PTPP 87 16.32 3.46 3.39 21.2
WIKA 84.72 24.26 3.95 4.32 16.26
TOTL 58.89 13.75 3.41 9.12 24.8
DGIK 11.24 13.88 0.82 3.2 5.9
Tabel 4. Data Sektor Makanan dan Minuman
Sektor
Makanan
dan
Minuman
EPS PER PBV ROA ROE
ADES 113.07 18.93 4.65 15.6 24.55
AISA 98.63 19.16 2.39 6.08 12.47
ALTO 12.13 46.15 5.88 5.51 9.07
ICBP 424 25.24 4.67 12.32 18.52
INDF 292 23.89 1.57 3.49 6.56
ULTJ 128 35.98 6.53 13.66 18.21
Tabel 5. Data Sektor Batubara
Sektor
Batubara EPS PER PBV ROA ROE
ADRO 88.88 10.8 0.83 3.69 7.69
HRUM 207.95 11.66 1.39 9.76 11.94
ITMG 2594.73 10.3 2.45 16.33 23.13
PTBA 720.95 12.9 3.07 14.58 23.74
PTRO 253.93 5.38 0.59 3.53 10.97
MYOH 82.53 5.57 1.33 10.52 23.76
Tabel 6. Data Sektor Perbankan
Sektor
Perbankan EPS PER PBV ROA ROE
BBCA 56.12 18.33 3.97 2.84 21.64
BBRI 874.76 10.4 2.8 3.41 26.91
BMRI 788.04 11.58 2.37 2.48 20.5
BDMN 425.44 10.55 1.35 2.19 12.81
BBNI 471.09 9.57 1.76 2.4 18.42
BBKP 123.83 4.97 0.98 1.41 17.41
Optimasi Pemilihan Emiten Pasar Modal Berdasarkan Aspek Fundametal ....: S. Sutedi, S. Hansun • 7
Tabel 7. Hasil Perbandingan
Sektor Pakar Aplikasi Status
Sektor
Properti SMRA MDLN
Tidak
cocok
Sektor
Konstruksi ADHI ADHI Cocok
Sektor
Makanan dan
Minuman
INDF ICBP Tidak
cocok
Sektor
Batubara ITMG ITMG Cocok
Perbankan BBRI BBRI Cocok
Dari hasil validasi yang telah dilakukan, terdapat
3 hasil optimasi yang cocok dengan hasil analisis
dari pakar dan dua lainnya tidak cocok. Dengan
demikian, keakuratan yang dihasilkan sebesar 60%.
7. Kesimpulan
Berdasarkan penelitian yang dilakukan, maka dapat
diperoleh kesimpulan bahwa telah dihasilkan
aplikasi optimasi untuk mencari saham atau emiten
berdasarkan rasio-rasio fundamental dengan
mengimplementasikan pendekatan algoritma
Dynamic Programming dengan keakuratan sebesar
60%. Pada penelitian selanjutnya, analisis
keakuratan dan penerimaan data dapat dilakukan
dengan lebih terarah menggunakan beberapa
metode statistika, seperti uji-t dan ANOVA.
8. Daftar Pustaka
[1] Permata, A.S. dan Sutijo, B.S.U., Analisis
Portofolio Optimum terhadap 50 Emiten dengan
Frekuensi Perdagangan Tertinggi di Bursa Efek
Indonesia Menggunakan Metode Value At Risk,
Lexicographic Goal Programming dan Artificial
Neural Network, “Jurnal Sains dan Seni ITS”,
Vol.4, No.2, 2015, pp.D-260-D-265.
[2] Ramadhan, R.D., Handayani, S.R., Endang,
M.G.W., Analisis Pemilihan Portofolio Optimal
dengan Model dan Pengembangan dari Portofolio
Markowitz (Studi pada Indeks BISNIS-27 di Bursa
Efek Indonesia periode 2011-2013), “Jurnal
Administrasi Bisnis”, Vol.14, No.1, September
2014, pp.1-10.
[3] Chandra, R., Analisis Pemilihan Saham oleh
Investor Asing di Bursa Efek Indonesia, “Jurnal
Ilmu Administrasi dan Organisasi”, Vol.17, No.2,
Mei-Agustus 2010, pp.101-113.
[4] Tambunan, A.P., Menilai Harga Wajar Saham,
Boston: Elex Media Komputindo, 2007.
[5] Dermadji, T. dan Hendry M.F., Pasar Modal di
Indonesia, Jakarta: Salemba Empat, 2006.
[6] Dhita A, Wulandari, Analisis Faktor Fundamental
Terhadap Harga Saham Industri Pertambangan dan
Pertanian di BEI, “Jurnal Akuntansi dan
Keuangan”, Oktober 2009.
[7] Levitin, A., Introduction to the Design & Analysis
of Algorithms, Boston: Pearson Addison Wesley,
2007.
[8] Wicaksana, A., Implementasi Algoritma Dynamic
Programming untuk Multiple Constraints Knapsack
Problem (Studi Kasus: Pemilihan Media Promosi di
UMN), “Jurnal UII”, Juni 2013.
8 • INKOM, Vol. 10 No. 1, September 2016: 01-08
INKOM, Vol. 10, No. 1, September 2016: 09-18
Modul Antena dengan Susunan Uniform
untuk Sistem Antena Radar Generasi Kedua
Antenna Module with Uniform Array
for 2nd Generation Radar Antenna System
Folin Oktafiani , Yussi Perdana Saputera, Yudi Yuliyus Maulana, Yuyu Wahyu Pusat Penelitian Elektronika dan Telekomunikasi, Lembaga Ilmu Pengetahuan Indonesia
Komplek LIPI Gd 20, Jl Sangkuriang 21/54D, Bandung 40135, Indonesia
memberikan kemudahan bagi penggunanya untuk melakukan komunikasi. Selain untuk media komunikasi, media sosial juga telah banyak dimanfaatkan pada berbagai bidang seperti sosial, politik, ekonomi, pertahanan, keamanan dan lain-lain melalui social media analytics (SMA) [1] [2] [3][4][5][6]. Berdasarkan survei yang lakukan oleh Global Web Index pada Januari 2014, pengguna internet di Indonesia mencapai
28 • INKOM, Vol. 10, No. 1, Mei 2016: 27-36
72.700.000 pengguna dari total jumlah penduduk Indonesia sebanyak 251.160.124 jiwa. Survei tersebut juga menunjukkan pengguna aktif media sosial mencapai 79,7% dari total pengguna internet di Indonesia [7].
Perkembangan teknologi Web 2.0 menjadi titik awal bermunculannya jenis media sosial. Kemampuan kolaborasi, interaksi, komunikasi dua arah dan jejaring pertemanan dengan sesama pengguna media sosial serta kegiatan - kegiatan seperti, percakapan (chat), memberi komentar (comment/retweet) dan respon suka atau tidak suka terhadap sebuah posting, dll. menjadi salah satu penyebab lonjakan yang tinggi terhadap jumlah pengguna media sosial dan popularitas situs media sosial [8]. Rilis hasil survei yang dilakukan oleh Pew Research Center dari tahun 2012 sampai tahun 2014 tentang jumlah pengguna media sosial, hasil tersebut menunjukkan bahwah media sosial yang paling yang paling populer digunakan oleh pengguna dengan umur diatas 18 tahun adalah Facebook (71%), Linkedln (28%), Pinterest (28%), Instagram (26%), dan Twitter (23%) [8].
Dari beberapa media sosial yang ada, Twitter merupakan salah satu media sosial yang populer digunakan. Dalam waktu yang tergolong singkat, Twitter sanggup memikat hati banyak pengguna internet. Saat ini, tercatat lebih dari 500 juta pengguna Twitter dari seluruh dunia, dan nama Indonesia masuk dalam peringkat kelima dengan jumlah user sebanyak 29 juta akun [9], sedangkan Amerika Serikat berada diperingkat pertama dengan jumlah pengguna mencapai 140 juta orang [10]. Besarnya pertumbuhan pengguna twitter dari tahun ke tahun berdampak terhadap semakin banyaknya data yang dihasilkan, fenomena ini disebut dengan Big Data.
Fenomena Big Data yang dihasilkan oleh media sosial dapat berupa persepsi publik, perilaku sosial masyarakat, titik geospasial dari pengguna media sosial (location), dll. E.S. Negara dan P.H. Saksono (2015) melakukan analisis media sosial Twitter mengenai peristiwa jatuhnya pesawat AirAsia QZ8501 yang terjadi pada tanggal 28 Desember 2014 di selat Karimata, Indonesia. Penelitian tersebut memperlihatkan hasil sumber negara (location) munculnya hashtag dan komentar pada Twitter terkait dengan peristiwa tersebut. Tidak hanya negara, dalam penelitian ini juga memperlihatkan rentang usia para pengguna Twitter yang aktif dalam mengamati peristiwa ini [11]. Selain itu, jenis kelamin dan tipe pengguna Twitter, yaitu apakah mereka (pengguna Twitter) berasal dari organisasi atau merupakan personal ditunjukkan pada hasil penelitian ini [11].
Besarnya manfaat yang didapatkan melalui social media analytics memberikan peluang untuk meneliti sumber geospasial dari setiap data media sosial. Data Geospasial merupakan data
tentang lokasi geografis, dimensi atau ukuran, dan karakteristik objek alam atau buatan manusia yang berada di bawah, pada, atau di atas permukaan bumi [12]. Analisis dan Ekstraksi data geospasial pada Twitter dapat dimanfaatkan untuk melihat sumber lokasi persepsi publik dan perilaku sosial masyarakat berasal terhadap sebuah isu, sehingga informasi ini dapat dimanfaatkan oleh berbagai pihak yang berkepentingan.
Artikel ini membahas tentang ekstraksi dan analisis data geospasial Twitter terhadap suatu isu publik yang sedang berkembang dan mengembangakan prototipe perangkat lunak yang digunakan untuk mendapatkan data geospasial yang ada pada Twitter. Proses ekstraksi dan analisis dilakukan melalui empat tahapan yaitu: proses penarikan data (crawling), penyimpanan (storing), analisis (analyzing), dan visualisasi (vizualizing) [13], lihat Gambar 1. Dalam penelitian ini penulis menggunakan metode penelitian deskriptif untuk mendeskripsikan lokasi dari fenomena yang terjadi diseluruh dunia melalui media sosial twitter. Dengan menganalisa data tweet yang di posting oleh pengguna Twitter seputar informasi terhangat yang terjadi di seluruh dunia.
Gambar 1. Proses Ekstraksi dan Analisis. [13]
2. Tinjauan pustaka
2.1. Media sosial
Media sosial sebagai sebuah kelompok aplikasi berbasis internet yang dibangun di atas dasar ideologi dan teknologi Web 2.0, dan memungkinkan penciptaan dan pertukaran user-generated content. Web 2.0 menjadi platform dasar media sosial. Media sosial ada dalam berbagai bentuk yang berbeda, termasuk social network, forum internet, weblogs, social blogs, micro blogging, wikis, podcasts, gambar, video, rating dan bookmark social [14].
Internet dan web 2.0 menyediakan suatu platform yang digunakan untuk meningkatkan pelayanan yang dapat digunakan untuk: membuat dan berbagi pemikiran dan cerita (Blogger dan Twitter); berbagi informasi dan
Analisis Data Twitter : Ekstraksi dan Analisis...... Edi S.N, Ria A, Prihambodo H.S • 29
links (Delicious, Digg dan Twine); berbagi multimedia (Youtube dan Flickr); membuat dan berbagi pengetahuan (Wikipedia, Yahoo Answer dan SlideShare) dan membuat dan berbagi relasi (Facebook, MySpace dan Linkedln) oleh grup-grup yang besar. Layanan inilah yang secara bersama-sama dikenal sebagai sosial media [15].
Sosial media merupakan suatu platform yang memberikan pelayanan dua arah yaitu membuat dan berbagi yang digunakan sebagai alat komunikasi baru di dalam era digital yang dapat membentuk jaringan pada komunitas yang memungkinkan untuk berkomunikasi secara online untuk membuat, mengatur, mengedit, mengomentari, menandai, mendiskusikan menggabungkan, mengkoneksikan dan bertukar informasi apapun di dalamnya. Salah satu jenis sosial media yang populer saat ini adalah Twitter. Twitter merupakan sebuah microblogging yang dapat mengirim pesan hingga 140 karakter secara instan melalui berbagai platform. 90% interaksi Twitter bukan berasal dari website Twitter melainkan dari sms mobile, pesan instan atau aplikasi desktop [16].
Saat ini beragam jenis media sosial seperti : social networks, blogs, wikis, podcast, forums, content comunities, microbloging, dll. dapat digunakan untuk berbagai tujuan tertentu [16], [17]. Dengan mengimplementasikan teori social presence, media richness dan social processes, Kaplan dan Haenlein mengklasikasikan media sosial menjadi enam jenis yaitu : 1) Collaborative projects, 2) Blogs and microblogs, 3) Content communities, 4) Social networking sites, 5) Virtual game worlds, dan 6) Virtual communities (Kaplan and Haenlein,2010). Sedangkan jika dilihat berdasarkan kategorinya, media sosial dibagi menjadi empat kategori yaitu : 1) Social Networking, 2) Social Colaboration, 3) Social Publishing, dan 4) Social Feedbacks [18].
2.2. Social media analytics
Social Media Analytics (SMA) merupakan kegiatan yang berkaitan dengan pengembang dan evaluasi tools informatika dan framework untuk mengumpulkan, memantau, menganalisis, merangkum dan memvisualisasi data media sosial [19], [20]. Gartner Reasearch juga mendefinisikan SMA merupakan proses pemantauan, analisis, mengukur dan memprediksi interaksi digital, relationships, topik, ide atau konten pada media sosial [21]. SMA bertujuan untuk melakukan proses analisis dan sintesis data media sosial sehingga menghasilkan informasi yang dapat dipergunakan oleh pihak-pihak yang memerlukan. Proses SMA dilakukan melalui tiga tahapan, yaitu : capture, uderstand dan present [20]. Tahapan SMA dapat dilihat pada Gambar 1.
Tahapan Capture pada proses SMA merupakan proses mengumpulkan data media sosial yang relevan dengan kebutuhan dengan cara collecting
data menggunakan crawler tools yang terkoneksi melalui Application Programming Interface (API) ke media sosial seperti: Facebook, Twitter, LinkedIn, YouTube, Pinterest, Google+, Tumblr, Foursquare, Internet forums, blogs dan microblogs, Wikis, news sites, picture sharing sites, podcasts, and social bookmarking sites, dll. Data yang dihasilkan dari proses Capture disimpan kedalam basis data dan dipersiapkan untuk proses berikutnya yaitu Undetstad. Pada tahapan ini data juga diproses untuk menghasilkan informasinya yang sesuai dengan kebutuhan, termasuk memodelkan bentuk datanya [19].
Setelah menyelesaikan proses Capture, tahapan berikutnya dalah proses Understand. Proses Understand pada SMA merupakan proses pemilihan data yang relevan untuk melakukan pemodelan data, menghilangkan noise yang terdapat pada data, menseleksi data yang berkualitas dan melakukan proses analisis untuk memperoleh informasi yang lebih berkualitas [19]. Proses analisis data pada tahapan ini menggunakan metode statistik, text mining, data mining, natural language processing (NLP), machine tranlation, machine learning dan network analysis [22]. Beberapa teknik analisis data media sosial yang dapat digunakan untuk menghasilkan informasi spesifik antara lain : Opinion mining (or sentiment analysis), Topic modeling, Social network analysis, Trend analysis, dan Visual analytics[19].
Tahapan terakhir dari proses SMA adalah Present. Proses Present merupakan proses untuk menampilkan atau memvisualisasikan informasi yang dihasilkan dari tahap Understand [19]. Berbagai teknik visualisasi dapat digunakan untuk menampilkan informasi yang didapatkan dari proses analisis.
2.3. Twitter data a nalytics
Shamanth Kumar, Fred Morstatter dan Huan Liu menyebutkan ada beberapa proses dalam melalukan Twitter Data Analytics yaitu [13]:
a. Penarikan data Twitter (Crawling Twitter data).
b. Penyimpanan data Twitter (Storing Twitter data).
c. Analisis data Twitter (Analiyzing Twitter data).
d. Visualisasi data Twitter (Visualizing Twitter data).
Berdasarkan tweet yang dihasilkan setiap harinya oleh pengguna Twitter, dapat menjadi suatu sumber informasi sehingga dapat dilakukan proses crawling data Twitter dengan menggunakan API Public yang telah disediakan oleh Twitter. Aplication Program Interface (API) untuk mengakses data twitter dapat diklasifikasikan menjadi dua tipe berdasarkan desain dan metode akses, yaitu :
30 • INKOM, Vol. 10, No. 1, Mei 2016: 27-36
a. REST API berdasarkan pada arsitektur REST yang sekarang digunakan mendesain web API. Tipe API ini menggunakan pull strategy untuk mendapatkan kembali informasi data. Untuk mengumpulkan informasi seorang pengguna harus secara eksplisit memintanya.
b. Streaming API menyediakan aliran informasi publik yang berkelanjutan dari Twitter. Tipe API ini menggunakan push strategy untuk mendapatkan kembali informasi data. Satu kali melakukan permintaan informasi, Streaming API menyediakan aliran data yang selalu update tanpa input lebih lanjut dari pengguna.
Aliran API publik yang paling baik untuk digunakan dalam berbagai hal adalah streaming API sehingga dalam penarikan data Twitter akan digunakan tipe API ini. API Twitter hanya bisa diakses melalui permintaan otentikasi. Twitter menggunakan Open Authentication (OAuth) dan setiap permintaan harus dilakukan oleh pengguna Twitter yang sah. Akses ke dalam API Twitter dibatasi pada jumlah tertentu yang disebut rate limit. Batasan ini diterapkan pada tingkatan pengguna dan tingkatan aplikasi[13].
Pada tahapan sebelumnya telah dilakukan penarikan data Twitter dengan jumlah yang sangat besar. Setelah dilakukan penarikan, hal selanjutnya yang perlu dilakukan adalah bagaimana menyimpan data yang sangat besar tersebut ke dalam suatu database yang nantinya data tersebut dapat digunakan kembali pada saat proses analisis data. Diperlukan suatu database yang dapat menyimpan data besar tersebut. Pada proses penyimpanan ini digunakan database yang menggunakan konsep NoSQL (Not Only SQL) yang dapat menyimpan data dalam jumlah yang besar dengan cara akses yang lebih mudah dari cara tradisional, model relasi. Ada beberapa implementasi NoSQL. Dalam hal ini digunakan MongoDB, yang memberikan beberapa kelebihan sebagai berikut[13]:
a. Penyimpanan berorientasi dokumen. MongoDB menyimpan data dalam bentuk JSON. Hal ini membuat sangat mudah untuk menyimpan dokumen atau data mentah dari API Twitter.
b. Mendukung index. MongoDB juga mengizinkan untuk melakukan index dalam berbagai field, yang dapat membuat lebih mudah untuk menciptakan optimasi index pada aplikasi.
c. Straightforward Queries. Query MongoDB, secara sintaks berbeda dari SQL, namun hampir sama secara semantik. Sebagai tambahan, MongoDB mendukung MapReduce, yang lebih memudahkan dalam pencarian data.
Setelah proses crawling data dan storing data dilakukan kemudian selanjutnya melakukan analyzing data untuk mengetahui informasi tentang pengguna berdasarkan data yang telah dikumpulkan. Ketika pengguna berinteraksi di Twitter kemudian menghasilkan informasi mengenai jaringan, ketika mereka mempublikasikan tweets, kemudian menghasilkan informasi tekstual. Tweet sendiri memiliki informasi seperti lokasi pengguna tersebut, Sebagai tambahan, pada profil pengguna Twitter menjelaskan diri mereka sendiri, seperti nama dan website. Teknik visualisasi dapat membantu kita efisien menganalisis dan memahami bagaimana dan mengapa pengguna berinteraksi di Twitter [13].
2.4. Microblogger twitter terminology
Twitter merupakan salah satu media sosial yang sangat populer dan menempati ranking ke 8 pada Alexa rank [23]. Lahirnya Twitter berasal dari ide Jack Dorsey pada tahun 2006 yang melihat kebiasaan orang-orang ingin berbagi kegiatan mereka saat bersama orang lain [24]. Dalam pengembangan Twitter, Jack Dorsey mengkombinasikan pola komunikasi dari satu ke banyak untuk menjadi pola dasar komunikasi yang diimplementasikan pada Twitter. Hal ini memungkinkan pengguna Twitter untuk berbagi informasi kepada banyak orang.
Neppelenbroek et al.menggambarkan arsitektur pengembangan Twitter dengan menggunakan model ”4+1” yang dikembangkan oleh Kruchtens [24]. Model ini digunakan untuk mendeskripsikan arsitektur perangkat lunak yang terfokus pada logical, process, physical, development dan scenario view. Dengan Kruchtens view model, Neppelenbroesk et al, menggambarkan arsitektur Twitter dengan Logical view, Process view, Physical view, Development view dan Scenario view[24].
Arsitektur pengembangan Twitter dapat dilihat pada Gambar 2[24]. Lapisan Back-end Service dari Twitter menyimpan semua tweets yang diunggah oleh anggota dengan menggunakan MSQL sebagai database penyimpanan data. Pada lapisan Search Engine, Twitter menggunakan Apaches Lucene. Search Engine pada Twitter menggunakan metode inverted indexing, metode ini memisahkan tweets menjadi kata-kata (words of a sentence). Lapisan Middle Layer pada arsitektur Twitter pada dasarnya digunakan sebagai sistem antrian, sehingga tidak membabani Back-end Service. Lapisan Middle Layer pertama kali diimplementasikan oleh Starling dengan menggunakan bahasa pemograman Rubby on Rails [24].
Analisis Data Twitter : Ekstraksi dan Analisis...... Edi S.N, Ria A, Prihambodo H.S • 31
3. Hasil dan pembahasan
3.1. Penarikan data (Crawling data)
Proses penarikan (crawling) data Twitter dilakukan dengan memanfaatkan Application Programming Interface (API) yang telah disediakan oleh Twitter menghasilkan kumpulan data text berdasarkan update yang telah di unggah oleh pengguna Twitter. Selain itu proses penarikan ini juga menghasilkan data geospasial berupa titik koordinat yang bersumber dari lokasi pengguna Twitter pada saat melakukan proses check in location pada Twitter. Data vektor dan koordinat yang dihasilkan merupakan kebutuhan dari aplikasi yang dibangun dalam menentukan lokasi pengguna Twitter. Dari hasil data tersebut dapat dilihat sumber titik koordinat dari mana saja pengguna Twitter yang paling banyak membicarakan tentang fenomena atau peristiwa tersebut. Model data vektor menampilkan, menempatkan, dan menyimpan data spasial dengan menggunakan titik-titik, garis, atau polygon beserta atribut- atributnya. Bentuk- bentuk dasar representasi data spasial ini didalam sistem model data vektor didefinisikan oleh sistem koordinat kartesian dua dimensi (x, y). Pada model data vektor terdapat tiga entiti yaitu entiti titik, entiti garis, dan entiti polygon [12].
Dari penelitian yang telah dilakukan menghasilkan prototipe aplikasi Crawler dan kerangka kerja untuk social media analytics [11]. Penelitian ini tidak hanya dapat mengetahui negara pengguna Twitter saja, tetapi juga bisa mengetahui rentang usia pengguna Twitter, informasi jenis kelamin pengguna Twitter, dan penempatan data geospasial pengguna Twitter [11].
Dalam artikel ini, penulis melakukan penelitian berdasarkan berita yang menjadi trending topic pada bulan Juli 2015, yaitu diharamkannya Badan Penyelenggara Jaminan Sosial (BPJS) oleh Majelis Ulama Indonesia (MUI) pada tanggal 29 Juli 2015. Pada penelitian ini, penulis akan memperlihatkan sumber lokasi dari pengguna Twitter yang ikut mengamati tentang berita tersebut berdasarkan titik koordinatnya. Tidak hanya bahasa, penelitian ini juga memperlihatkan rentang usia para pengguna Twitter, informasi berdasarkan jenis kelamin pengguna Twitter, dan penempatan data geospasial pengguna Twitter yang akan ditunjukkan pada hasil penelitian ini. Proses analisis terhadap bahasa yang digunakan dan user demografi dilakukan dengan memanfaatkan tools TexTalytics [25].
Langkah yang pertama dilakukan dalam Twitter data analytics adalah crawling data twitter. Untuk melakukan crawling terlebih dahulu harus mendaftarkan aplikasi yang
dibuat ke Twitter untuk mendapatkan user credential yang nantinya digunakan dalam proses crawling data twitter. Proses ini bertujuan untuk mendapatkan authentication dari Twitter terhadap akses data yang dimiliki oleh Twitter. Proses authentication ini ditunjukkan pada Gambar 2. Setelah proses penarikan data Twitter berhasil berhasil dilakukan, langkah selanjutnya adalah menyimpan data tersebut ke dalam database MongoDB.
Gambar 2. Proses Authentication [13]
Pada saat crawling data ada beberapa faktor yang mempengaruhi yaitu koneksi jaringan internet, lamanya proses penarikan data dan update berita terbaru yang akan dilakukan crawling. Koneksi jaringan internet yang stabil akan memperlancar proses crawling data. Sebaliknya, apabila koneksi tersebut tidak stabil akan menyebabkan error connection atau proses penarikan data menjadi lambat dan terputus-putus. Faktor yang kedua adalah lamanya proses crawling data adalah semakin lama crawling data twitter dilakukan maka akan semakin banyak data yang didapatkan dari proses ini.
Dan faktor yang ketiga adalah update berita terbaru. Hal ini dikarenakan crawling data yang dilakukan twitter merupakan realtime. Untuk itu pada proses ini yang digunakan adalah streaming API. Dimana data yang diambil merupakan data realtime. Metode yang digunakan untuk menarik data tersebut adalah dengan menggunakan REST-API. Oleh karena itu, berita terbaru yang akan terjadi atau sedang terjadi, akan menjadi sangat mudah untuk diketahui perkembangannya.
REST-API pada Twitter dapat digunakan untuk mengakses status atau timelines pengguna twitter. REST-API dapat mengambil 3.200 tweet terbaru dari pengguna, termasuk re-tweet [13].
• Parameter utama: Dalam setiap halaman, kita dapat mengambil 200 tweet dari pengguna.
• Rate Limit: Sebuah aplikasi diperbolehkan melakukan permintaan sebanyak 300 permintaan.
Penarikan data coordinates dan location
32 • INKOM, Vol. 10, No. 1, Mei 2016: 27-36
twitter dengan keyword BPJS Haram untuk menghasilkan data antara 10.000 - 11.000 tweets, dimana data yang memiliki informasi koordinat posisi atau lokasi pengguna Twitter sekitar 7500 tweets. Dari jumlah data yang dihasilkan proses penarikan lokasi (location) dilakukan pembatasan proses analisis lokasi tweet menggunakan aplikasi yang telah dibangun yakni sebanyak 200 tweet dalam setiap melakukan analisis.
Pada proses crawling, data coordinates dan location twitter data yang di tarik berupa user name, retweet count, tweet followers count, source, tweet mentioned count, tweet ID, tweet text, dan coordinates yang berisikan longitude dan latitude yang berguna untuk melakukan penempatan data geospasial. Hasil crawling data coordinates dapat dilihat pada Gambar 3.
Gambar 3. Proses crawling data coordinates dan
location twitter
3.2. Penyimpanan data (Storing data)
Penyimpanan data merupakan tahap selanjutnya setelah melakukan proses penarikan data atau crawling data Twitter. Basis Data yang digunakan pada proses penyimpanan ini ialah MongoDB. Data yang berhasil disimpan kemudian dianalisis untuk mendapatkan data yang bersih yang bebas dari noise. Data yang telah bersih tersebut dapat dijadikan sebagai data untuk penelitian. Untuk mempermudah dalam melihat data yang telah dihasilkan sebagai informasi, maka data divisualisasikan ke dalam bentuk peta. Proses penyimpanan data harus dilakukan secara langsung atau direct storing. Hal ini dilakukan dikarenakan data yang ditarik merupakan realtime data twitter. Sehingga diperlukan suatu database yang memungkinkan untuk menyimpan data secara langsung.
3.3. Analisis Data (Analyzing Data)
Analisis data merupakan tahap selanjutnya setelah selesai melakukan proses penyimpanan data atau storing data. Analisis data merupakan bagian penting, terutama dalam pengolahan data. Pengolahan data ini dilakukan agar data yang didapat tidak mengandung file kosong atau null,
apabila terdapat file tersebut maka analisis data tidak mendapatkan hasil. Setelah data selesai dianalisis, selanjutnya dari hasil analisis tersebut bisa dilakukan tahapan visualilasi. Perangkat lunak yang digunakan pada tahapan analisis ini ialah textalytics untuk menganalisis data yang telah tersimpan ke dalam database. Textalytics berfungsi untuk menganalisis suatu data ke dalam beberapa bentuk kategori seperti text classification, sentiment analysis, language identification, user demographics, topic extraction. Dalam penelitian ini fungsi dari textalytics yang digunakan ialah language identification dan user demographics.
Selain analisis terhadap language identification dan user demographics dilakukan, proses ini juga melakukan pemetaan terhadap titik logitude dan latitude dari data Twitter yang telah tersimpan pada basis data. Titik logitude dan latitude menjadi informasi yang didapat dari proses crawling yang divisualisasikan dalam bentuk peta. Hasil data titik koordinat yang menunjukkan sumber persepsi publik tentang BPJS haram dapat dilihat pada Gambar 4.
Gambar 4. Hasil data geospasial tentang BPJS
Haram
Gambar 4 menunjukkan hasil data geospasial yang paling banyak mengikuti perkembangan berita tentang diharamkanya Badan Penyelenggara Jaminan Sosial (BPJS) oleh Majelis Ulama Indonesia (MUI) pada tanggal 29 Juli 2015. Dengan keyword BPJS Haram adalah Kota Surabaya, diikuti kota Jakarta. Kota Surbaya yang paling banyak mengamati berita tersebut dikarenakan tweet yang diunggah oleh pengguna hampir semuanya di re-tweet berbeda dengan Kota Jakarta yang penggunanya tidak hanya melakukan re-tweet tetapi ada juga yang memberikan pendapat dan saran.
3.4. Visualisasi Data (Visualizing Data)
Visualisasi merupakan suatu cara untuk mengkonversi data ke dalam format visual atau tabel sehingga karakteristik dari data dan relasi di antara item data atau atribut dapat dianalisis atau dilaporkan. Visualisasi data merupakan salah satu dari teknik yang paling baik dan menarik di dalam hal mengeksplorasi data.
Analisis Data Twitter : Ekstraksi dan Analisis...... Edi S.N, Ria A, Prihambodo H.S • 33
Visualisasi juga dapat menggambarkan pola umum yang terjadi, trend yang sedang berkembang serta hal-hal yang tidak umum.
Setelah proses analisis selesai maka tahapan selanjutnya adalah visualisasi data tersebut. Visualisasi data dimaksudkan agar data yang dihasilkan dari proses analisis terlihat lebih menarik serta dapat lebih mudah dipahami sebagai suatu informasi.
Untuk mempermudah dalam melihat data yang telah dihasilkan sebagai informasi, maka data divisualisasikan ke dalam bentuk bubble graph atau graph lainnya sesuai dengan kebutuhan. Seperti tujuan penelitian yang telah disebutkan sebelumnya, maka hasil dari penelitian ini adalah melakukan crawling data twitter dengan memanfaatkan Application Programming Interface (API) yang telah disediakan oleh Twitter. Data dari Twitter tersebut akan diolah menjadi suatu informasi yang dapat digunakan sebagai bahan penelitian.
Informasi yang telah didapatkan tersebut juga merefleksikan bagaimana perilaku masyarakat terhadap suatu peristiwa yang sedang terjadi pada kehidupan nyata yang dituangkan pada sosial media. Hal ini akan menunjukkan apakah peristiwa tersebut mempunyai pengaruh pada masyarakat global. Berpengaruhnya peristiwa tersebut dapat terlihat dari tweets yang di-update oleh pengguna Twitter. Hal ini akan terlihat dari bahasa yang digunakan, bahasa tersebut akan menunjukkan kemungkinan dari negara mana pengguna Twitter tersebut berasal. Dari hasil analisis data twitter yang membicarakan tentang BPJS haram, terlihat bahwa pengguna Twitter yang banyak memberikan perhatian terhadap kejadian tersebut bersumber dari negara Indonesia.
Selain bahasa yang digunakan, perilaku masyarakat juga dapat dilihat dari usia pengguna Twitter. Dari suatu peristiwa yang terjadi dapat dilihat rentang usia pengguna Twitter yang aktif terhadap suatu peristiwa. Selain itu, apakah pengguna Twitter tersebut merupakan organisasi atau perseorangan serta jenis kelamin pengguna Twitter itu sendiri dapat diketahui melalui hasil penelitian ini.
Dalam penelitian ini, penulis melakukan penelitian sumber geopasial persepsi publik tentang BPJS haram. Gambar 5 menunjukkan negara mana yang paling banyak mengikuti perkembangan berita tentang diharamkannya Badan Penyelenggara Jaminan Sosial (BPJS) oleh Majelis Ulama Indonesia (MUI) pada tanggal 29 Juli 2015. Dengan keyword BPJS Haram ialah Indonesia (id) dengan lingkaran berwarna merah dengan jumlah 189 user, diikuti oleh negara Norway (no) dengan lingkaran berwarna ungu dengan jumlah 3 user. Indonesia sebagai negara yang paling banyak mengamati berita tersebut dikarenakan sumber berita tersebut memang berasal dari Indonesia. Sedangkan untuk negara
lainnya dapat mengetahui perkembangan berita tersebut dengan melihat dari trending topicpada halaman depan Twitter yang berkaitan denganBPJS HARAM.
Gambar 5. Negara sumber data geospasial tentang
BPJS Haram
Tidak hanya negara, dalam penelitian ini juga memperlihatkan rentang usia para pengguna Twitter yang aktif dalam mengamati peristiwa ini. Rentang usia yang paling banyak mengikuti perkembangan berita tentang diharamkannya Badan Penyelenggara Jaminan Sosial (BPJS) oleh Majelis Ulama Indonesia (MUI) pada tanggal 29 Juli 2015. Dengan keyword BPJS Haram adalah pengguna Twitter dengan kisaran usia 15-24 tahun dan kisaran usia 45-54 tahun, masing-masing berjumlah 48 user. Pengguna Twitter dengan kisaran usia 15-24 tahun dan kisaran usia 45-54 tahun yang paling banyak mengamati berita tersebut dikarenakan pada kedua kisaran usia tersebutlah yang lebih cenderung pada perkembangan dunia politik berbeda dengan kisaran usia 25-54 yang lebih sedikit dikarenakan pada usia ini lebih tertarik pada dunia olahraga, hiburan, dan perkantoran. Selain itu, jenis kelamin dan tipe pengguna Twitter, yaitu apakah mereka (pengguna Twitter) berasal dari organisasi atau merupakan personal ditunjukkan pada hasil penelitian ini. Mayoritas yang paling banyak mengikuti perkembangan berita tentang diharamkannya Badan Penyelenggara Jaminan Sosial (BPJS) oleh Majelis Ulama Indonesia (MUI) pada tanggal 29 Juli 2015. Dengan kata kunci BPJS Haram adalah laki-laki. Bisa dilihat pada Gambar 6, M = Male yaitu laki-laki dengan lingkaran berwarna jingga dengan jumlah 191 user. Dan F = Female yaitu perempuan dengan lingkaran berwarna biru dengan jumlah 9 user. M = Male yaitu laki-laki merupakan mayoritas yang paling banyak mengamati berita tersebut dikarenakan laki-laki pada umunya lebih tertarik pada dunia politik. Pengguna Twitter berdasarkan
34 • INKOM, Vol. 10, No. 1, Mei 2016: 27-36
jenis kelamin yang paling banyak membicarakan tentang BPJS haram dapat dilihat pada Gambar 6.
Gambar 6. Informasi jenis kelamin pengguna
Twitter tentang BPJS Haram
4. Kesimpulan
Dari penelitian yang dilakukan terhadap Twitter Data Analytics, dapat disimpulkan bahwa :
a. Proses crawling terhadap data twitter dengan memanfaatkan Application Programming Interface telah berhasil dilakukan dan menghasilkan data yang informatif melalui proses Crawling, Storing, Analyzing dan Visualizing.
b . Berdasarkan data yang telah ditarik tersebut dapat diketahui negara asal pengguna twitter, informasi berdasarkan geospasial, jenis kelamin pengguna twitter, rentang usia pengguna twitter, dan penempatan data berdasarkan tweet yang telah di unggah.
Ucapan terima kasih
Ucapan terima kasih penulis sampaikan kepada Data Science Interdisciplinary Research Center atas dukungan sarana dan prasarana penelitian. Kepada Octavia Dwi Cahyanti dan Sutami Suweno yang telah membantu pada proses pengembangan prototipe aplikasi data retrieval.
Daftar pustaka
[1] UN Global Pulse, “Mining indonesian tweets to
understand food price crises,” UN Global Pulse,
Methods Paper, 2014.
[2] S. Stieglitz, T. Brockmann, and L. Dang-
Xuan, “Usage of social media for political
communication.” in PACIS, 2012, p. 22.
[3] C. Holsapple, S. Hsiao, and R. Pakath, “Business
social media analytics: Definition, benefits, and
challenges,” in Proceedings of the 20th Americas
conference on Information Systems
(AMCIS2014), Association for Information
Systems. Association for Information Systems,
2014.
[4] M. Rosemann, M. Eggert, M. Voigt,
and D. Beverungen, “Leveraging social
network data for analytical crm strategies – the
introduction of social bi,” in Proceedings of the
20th European conference on information
systems, Barcelona, Spain, 2012, p. 95.
[5] M. D. Sykora, T. W. Jackson, A. O’Brien,
and S. Elayan, “National security and social
media monitoring: A presentation of the emotive
and related systems,” in Intelligence and Security
Informatics Conference (EISIC), 2013 European.
IEEE, 2013, pp. 172–175.
[6] D. O’Callaghan, D. Greene, M. Conway, J.
Carthy, and P. Cunningham, “An analysis of
interactions within and between extreme right
communities in social media,” arXiv preprint
arXiv:1206.7050,
2012.
[7] Global Web Index, “Survei data global
web index,” 2014. [Online]. Available:
https://www. globalwebindex.net/
[8] M. Duggan, N. Ellison, C. Lampe, A.
Lenhart, and M. Madden, “Social media update
2014,” Pew Research Center, 2015.
[9] S. Semiocast 2nd, “Brazil becomes 2nd country
on twitter, japan 3rdnetherlands most active
country,”2013.
[10] E.Diaz-Aviles, A. Stewart, E. Velasco, K.
Denecke, and W. Nejdl, “Epidemic intelligence for
the crowd, by the crowd.” in ICWSM, 2012.
[11] E. Negara and P. Saksono, “Social media analytics
Data utilization of social media for reserach,”
MAKARA (Draff Usulan), 2015.
[12] R. Indonesia, “Undang undang no. 4 tahun 2011
tentang informasi geospasial,” Lembaran Negara
RI Tahun 2011 No. 49. Sekretariat Negara, 2011.
[13] S. Kumar, F. Morstatter, and H. Liu, Twitter
Data Analytics, 2013. [Online]. Available: www.
tweettracker.fulton.asu.edu
[14] A. Kaplan and M. Haenlein, “Users of the world,
unite! the challenges and opportunities of social
media,” Business Horizons, vol. 53, 2010, pp.
59–68.
[15] R. Brussee and E. t. Hekman. (2015) Social
media are highly accessible media.
[16] Antony, What is social media ? Icrossing, 2008.
[17] J. Sterne and D. M. Scott, Social Media
Metrics: How to Measure and Optimize Your
Marketing Investment. John Wiley, March 2010.
[18] A.J. Bradley., Becoming a social organization:
Taking a strategic approach to social media.
Gartner Inc., 2010.
[19] W.Fan and M.D. Gordon, “The Power of social
media analytics”, Communication of ACM, vol
Analisis Data Twitter : Ekstraksi dan Analisis...... Edi S.N, Ria A, Prihambodo H.S • 35
57, no. 6, 2014, pp.74-81.
[20] D.Zheng, H.Chen, R. Lusch, and S.H.Li, “Social
[19] Maxim Integrated Products, Path Loss in Remote
Keyless Entry Systems, Application Note 3945,
2006.
[20] R. Rudd, K. Craig, M. Ganley and R. Hartless,
Building Materials and Propagation : OFCOM
Final Report, Aegis System Limited, September
2014.
Pedoman Penulisan Naskah
1. Ruang LingkupJurnal INKOM menerima naskah yang berisi hasil penelitian, pengembangan, dan/ataupemikiran di bidang Informatika, Sistem Kendali, dan Komputer. Naskah harus orisinil danbelum pernah dipublikasikan serta tidak sedang dalam proses publikasi di jurnal/media lain.Setiap naskah yang diterima akan dievaluasi substansinya oleh paling sedikit 2 orang pakarmitra bestari (peer reviewer) sebagai juri dalam bidang yang sesuai. Untuk menjunjung fairnessproses penilaian dilakukan hanya pada isi naskah dengan menghilangkan identitas penulis (blindreview). Penulis/para penulis bertanggung jawab sepenuhnya terhadap akurasi naskah. Penulisutama bertanggung jawab untuk sebelumnya menyelesaikan ijin penulisan yang berkaitan denganhasil kerja anggota kelompoknya. Naskah yang diterima dianggap sudah menyelesaikan seluruhkewajiban (clearance) dan ijin reproduksi bila memuat hal-hal yang mengandung hak cipta(copyright) pihak lain.
2. Standar Umum Penulisan
a. Naskah ditulis dalam bahasa Indonesia atau Bahasa Inggris.
b. Judul, Abstrak, dan Kata kunci harus ditulis dalam dua bahasa(Indonesia dan Inggris)
c. Ditulis menggunakan word processor (Microsoft Word, Open Office, atau Latex). Naskahdiketik dalam 2 kolom (ukuran kertas A4) dengan huruf Times New Roman ukuran 11,rata kanan-kiri. Panjang naskah sekurang - kurangnya 6 halaman, dan tidak lebih dari 10halaman, tidak termasuk lampiran.
d. Naskah diawali dengan judul, nama penulis, instansi, alamat surat, dan alamat email untukkorespondensi.
e. Materi yang akan dicetak, meliputi teks, gambar ilustrasi, dan grafik harus berada dalamarea pencetakan yaitu bidang kertas A4 (297mm x 210mm), dengan margin 2cm di semuasisi kertas. Format yang dianjurkan adalah dalam format LATEXkarena redaksi hanyamengedit makalah dalam format LATEX. Namun, redaksi masih dapat menerima formatyang lain seperti word atau odt sesuai dengan template yang redaksi telah sediakan.
Jangan menuliskan atau meletakkan sesuatu diluar bidang cetak tersebut. Seluruh teksditulis dalam format dua kolom dengan jarak antar kolom 1 cm, kecuali bagian abstrakyang dituliskan dalam format satu kolom. Seluruh teks harus rata kiri-kanan. Template inimenggunakan format yang dianjurkan. Untuk mempermudah penulis dalam memformatmakalahnya, format ini dapat digunakan sebagai petunjuk atau format dasar penulisan.
f. Isi naskah setidak-tidaknya berisi/menerangkan tentang pendahuluan, metoda, hasil,diskusi, kesimpulan, daftar pustaka. Ucapan terimakasih bila diperlukan dapat dituliskansetelah bagian kesimpulan. Sistematika penulisan mengacu pada Peraturan Kepala LIPINomor 04/E/2012 tentang pedoman karya tulis ilmiah.
3. Cara Penulisan JudulJudul utama (pada halaman pertama) harus dituliskan dengan jarak margin 2cm dari tepikertas, rata tengah dan dalam huruf Times 16-point, tebal, dengan huruf kapital pada hurufpertama dari kata benda, kata ganti benda, kata kerja, kata sifat, dan kata keterangan; janganmenggunakan huruf kapital pada kata sandang, kata hubung, terkecuali jika judul dimulai dengankata-kata tersebut. Sisakan satu 11-point baris kosong sesudah judul.
4. Cara Penulisan Nama dan AfiliasiNama penulis dan afiliasi diletakkan ditengah dibawah judul. Nama penulis dituliskan denganhuruf Times 12-point, tidak tebal. Afiliasi dan email penulis dituliskan dibawahnya dengan hurufTimes 10-point, miring. Penulis yang lebih dari satu orang dituliskan dengan menggunakansuperscript angka yang merujuk pada masing-masing afiliasi. Sedangkan email cukup dituliskankorespondensi email saja, misal email dari penulis pertama saja.
3
5. Cara Penulisan Abstrak dan Kata KunciAbstrak dalam bahasa Indonesia ditulis dengan rata kiri-kanan dengan inden 0.5cm, sesudahabstrak dalam bahasa Inggris, dengan satu spasi dan satu kolom. Kata Abstrak sebagai judulditulis dalam huruf Times 11-point, tebal, rata tengah, dengan huruf pertama dikapitalkan. Teksabstrak ditulis dengan huruf Times 10-point, satu spasi, sampai lebih kurang 150 kata. Sesudahabstrak bahsa Indonesia tuliskan kata kunci dari makalah tersebut dalam daftar kata kunci.Kemudian dilanjutkan dengan teks utama makalah.
6. Cara Penulisan Bab (Heading)
1. Judul pertama
Sebagai contoh, 1. Pendahuluan, dituliskan dalam huruf Times 11-point, tebal, huruf pertamakata pertama ditulis dengan huruf kapital. Gunakan tanda titik (.) sesudah nomor judul.
1.1. Judul kedua
Sebagaimana judul pertama, judul kedua dituliskan dengan huruf Times 11-point, tebal. Nomorjudul terdiri dari dua angka yang dibatasi dengan tanda titik.
1.1.1. Judul ketiga
Untuk uraian yang lebih panjang dan tidak dapat dituliskan dalam bentuk uraian terurut,digunakan judul ketiga. Judul ketiga menggunakan ukuran huruf yang sama yaitu huruf Times11-point, tetapi miring. Nomor judul terdiri dari tiga angka yang dibatasi dengan tanda titik.Tidak dianjurkan penggunakan judul hingga tiga tingkatan, sebaiknya hinggal Judul kedua saja.
7. Cara Penulisan Text UtamaKetik teks utama dengan menggunakan huruf Times 11-point, satu spasi. Jangan menggunakandua spasi. Pastikan teks ditulis dengan rata kiri-kanan. Jangan menambahkan baris kosong diantara paragraf. Istilah dalam bahasa asing (foreign language) yang tidak dapat diterjemahkandalam bahasa utama makalah harus dituliskan dalam huruf miring.
Terdapat dua jenis uraian yaitu: enumarasi dan itemisasi. Untuk enumerasi gunakan digunakanhuruf alfabet kecil dengan titik, sebagai contoh:
a. Uraian yang memiliki aturan pengurutan
b. Uraian yang terkait dengan uraian lainnya
c. Uraian yang setiap itemnya akan diacu pada tulisan utama
Sedangkan itemisasi dituliskan dengan bullet adalah:
• Uraian yang tidak memiliki aturan pengurutan
• Uraian yang tidak terkait dengan uraian lainnya
8. Cara Penyajian TabelPenyajian tabel harus berada dalam lingkup ukuran A4. Keterangan tabel dituliskan denganhuruf Times 10-point. Keterangan tabel diletakkan sebelum tabel dengan rata kiri. Tabel dibuattanpa menggunakan garis vertikal. Tabel harus diacu dalam tulisan seperti Tabel 1.
4
9. Cara Penyajian GambarPenyajian gambar harus berada dalam lingkup ukuran A4. Keterangan gambar dituliskandengan huruf Times 10-point. Sedangkan pengacuan gambar pada teks menggunakan hurufTimes 11-point sesuai dengan teks utama.
Gambar 1: Contoh Gambar
Keterangan gambar diletakkan di bawah, tengah gambar yang dijelaskan. Gambar diletakkan ditengah satu kolom. Jika tidak memungkinkan atau gambar terlalu lebar gambar bisa diletakkandi tengah dalam format dua kolom. Gambar harus diacu dalam tulisan seperti Gambar 1.
10. Cara Penulisan Persamaan (equation)Penulisan formula/persamaan/rumus matematika dapat menggunakan microsoft equationapabila penulis menggunakan Microsoft Word. Sedangkan apabila penulis menggunakan latex,maka penulis dapat menggunakan penulisan formula standar dalam latex dengan menggunakanpaket amsmath. Label persamaan ditulis dibagian kanan persamaan menggunakan huruf arabicdidalam kurung. Berikut ini adalah contoh penulisan persamaan matematika:
G(x, y) = exp(−x,2 + γ2y,2
2σ2) sin(i2π
x,
λ+ ψ) (1)
Penulis dapat menggunakan kata ”persamaan (1)” apabila akan mengacu padarumus/formula/persamaan yang memiliki label (1). Label persamaan ditulis berurutansesuai dengan posisi kemunculan dalam halaman. Berikut ini adalah contoh bagaimana penulismengacu sebuah persamaan:
”Formula (1) merupakan rumusan Gabor Filter untuk bagian imajiner ...”
11. Cara Penulisan Ucapan TerimakasihBerikut ini adalah contoh penulisan ucapan terimakasih dalam naskah: Ucapan terima kasihpenulis sampaikan kepada Pusat Penelitian Informatika Lembaga Ilmu Pengetahuan Indonesiaatas dukungan dana penelitian melalui Daftar Isian Pelaksanaan Anggaran (DIPA) 2012.
5
12. Cara Penulisan Kutipan dan Daftar PustakaDaftar pustaka memuat daftar bacaan yang diacu dalam tulisan utama. Daftar pustaka ditulisdengan metode penulisan kepustakaan IEEE transaction, dengan huruf Times 10-point. Kutipandalam teks utama yang mengacu kepada daftar pustaka dituliskan dengan angka dalam kurungsiku [1]. Jika acuan lebih dari satu, pengacuan ditulis seperti ini ([2, 3]). Daftar rujukanyang dikutip dituliskan pada bagian akhir naskah dengan judul Daftar Pustaka dan diberikannomor urut sesuai dengan urutan pengutipan pada naskah. Bagian naskah yang mengacu padasatu atau beberapa literatur lain hendaknya mencantumkan nomor urut referensi pada daftarpustaka. Pengacuan acuan pada naskah dengan menggunakan notasi [nomor acuan] seperti:[1] (artikel pada jurnal), [2] (artikel pada prosiding) dan [3] (buku). Berikut ini adalah contohdaftar pustaka:
Daftar Pustaka
[1] D. Rosiyadi, S.-J. Horng, P. Fan, X. Wang, M. Khan, and Y. Pan, “Copyright protection for e-government document images,” MultiMedia, IEEE, vol. 19, no. 3, pp. 62–73, 2012.
[2] A. F. M. Hani, E. Prakasa, H. Nugroho, A. Affandi, and S. Hussein, “Body surface area measurementand soft clustering for pasi area assessment,” in Engineering in Medicine and Biology Society (EMBC),2012 Annual International Conference of the IEEE, 2012, pp. 4398–4401.
[3] D. E. Knuth, The TEXbook. Addison-Wesley, 1984.
13. Template Penulisan NaskahTemplate tata penulisan naskah dapat didownload dihttp://jurnal.informatika.lipi.go.id/index.php/inkom/about/submissions#authorGuidelines
6
Jurnal INKOMPusat Penelitian Informatika
Lembaga Ilmu Pengetahuan IndonesiaKomp. LIPI Gd. 20 Lt. 3