Prototipe Sistem Perhitungan Surat Suara Dengan Platform Hadoop Menggunakan Map Dan Reduce

Abstract

Abstrak

Negara Indonesia merupakan salah satu negara yang menganut sistem demokrasi dimana kepala negara
dipilih oleh rakyat melalui pemilihan umum atau di singkat pemilu. Di dalam pemilu, setiap warga negara
yang memiliki Kartu Tanda Penduduk (KTP) memiliki hak suara yang sama. Dengan jumlah tersebut
menghitung hasil suara pada pemilu bukanlah hal mudah. Tugas akhir ini membuat sebuah implementasi
perhitungan suara denganm menggunakan Hadoop dengan gambar formulir C1 sebagai inputnya. Angka
pada gambar C1 tersebut diolah menjadi tipe data INT dengan menggunakan jaringan saraf tiruan (JST)
yang dibuat dengan menggunakan Restricted Boltzmann Machine (RBM) dengan data latih dari MNIST.
JST yang telah dibuat kemudian disimpan ke dalam website agar bisa menyimpan gambar ke dalam
database yang ada di dalam website. Data yang disimpan di website tersebut di-crawling menggunakan
Apache Nutch yang kemudian hasil dari crawling tersebut menjadi job yang diolah menggunakan algoritme
mapreduce pada Hadoop. Pengujian sistem yang telah dibuat ini menunjukkan hasil yang cukup cepat pada
rekapitulasi suara yang dilakukan dengan Apache Nutch dan Hadoop dengan multimode dan algoritme
scheduling fair scheduler yaitu 85 detik. Sedangkan, Hadoop dengan konfigurasi single node dan algoritme
scheduling FIFO menghasilkan waktu yang lebih baik yaitu 67 detik.

Kata kunci : Hadoop, mapreduce, apache nutch, Restricted Boltzmann Machine , formulir C1, job

Abstract

The Indonesian country is one of the countries that adheres to a democratic system in which the head of
state is elected by the people through general elections or in short elections. In elections, every citizen who
has a National Identity Card (KTP) has the same voting rights. With this number counting the vote results
in elections is not easy. The final task is to make an implementation of vote counting by using Hadoop with
a picture of form C1 as its input. The numbers in figure C1 are processed into INT data types using artificial
neural networks (ANN) made using the Restricted Boltzmann Machine (RBM) with training data from
MNIST. ANN that has been created is saved to the website so that it can save images into the database on
the website. The data stored on the website is crawled using Apache Nutch, then the results of crawling are
jobs that are processed using the Hadoop mapreduce algorithm. In testing the system that has been made
this results in quite fast results on the sound recapitulation conducted with Apache Nutch and Hadoop with
multimode and fair scheduler scheduling algorithms which are one minute twenty five seconds. Whereas
Hadoop with a single node configuration and FIFO scheduling algorithm produces a better time of 67
seconds.

Keywords: Hadoop, mapreduce, apache nutch, Restricted Boltzmann Machine , C1 form, job