Claim Missing Document
Check
Articles

Found 4 Documents
Search

IMPLEMENTASI DIGITAL WATERMARKING PADA CITRA MENGGUNAKAN METODE LEAST SIGNIFICANT BIT Febriani, Shella Rasita; Irawati, Dyah Cita
Jurnal Ilmiah Informatika Komputer Vol 21, No 3 (2016)
Publisher : Universitas Gunadarma

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

Abstract

Berkembangnya teknologi internet yang dapat menyajikan dan mempersatukan berbagai jenis data digital, menjadikan internet sebagai sistem jaringan terluas di dunia yang menghubungkan hampir seluruh komputer, sehingga membuat semua komputer di dunia ini semakin mudah untuk bertukar data. Kemudahan mengakses data digital ini membuat seseorang yang tidak berhak atau tidak bertanggung jawab dapat menyalahgunakan hak cipta orang lain. Oleh karena itu, dibutuhkan sebuah aplikasi untuk melindungi hak cipta. Watermarking adalah metode untuk  menyisipkan  suatu  informasi  pada suatu  data  digital dengan  tujuan  untuk  perlindungan  kepemilikan  dari  data  tersebut. Teknik watermarking memanfaatkan kekurangan pada indera manusia, yaitu mata dan telinga. Pada penelitian ini, dilakukan penyisipan watermark pada file gambar atau foto dengan menggunakan metodeLeast Significant Bit(LSB). Penelitian ini terdiri dari beberapa tahap, yaitu perencanaan aplikasi, perancangan aplikasi, pembuatan aplikasi, dan pengujian aplikasi. Pada tahap pengujian dilakukan uji coba beberapa gambar dan hasilnya tidak terlihat adanya perbedaan antara image asli dan watermarked image. Kata kunci: Least Significant Bit, Watermarking,Watermarked Image
PELATIHAN TEKNOLOGI INFORMASI DAN MATEMATIKA PADA YAYASAN KARANG WIDYA (THE LEARNING FARM) CIANJUR-JAWA BARAT Irawati, Dyah Cita; Kurniawati, Ana; Sekarwati, Kemal Ade; M., Lulu Chaerani; Jannah, Miftahul; Umniati, Naeli; Widiastuti, Widiastuti; Ningrum, Witta Listiya
Jurnal Pengabdian Kepada Masyarakat Darma Saskara Vol 4, No 1 (2024)
Publisher : Jurnal Pengabdian Kepada Masyarakat Darma Saskara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/abdimasug.2024.v4i1.11224

Abstract

The Learning Farm (TLF) Yayasan Karang Widya berlokasi di Kampung Rawabenceuh, Desa Kawungluwuk, Kec. Kab Sukaresmi. Jawa Barat Cianjur 43254. Yayasan Karang Widya adalah organisasi nirlaba yang berupaya memberikan akses pendidikan berkualitas kepada masyarakat berpenghasilan rendah dan kurang mampu melalui program berkebun organik. Target audiensnya terutama adalah orang dewasa kelas menengah dan pekerja yang berusia antara 15 dan 25 tahun. Siswa berasal dari seluruh wilayah Indonesia dan menerima pengajaran tatap muka selama 100 hari per mata pelajaran. Selain materi organik yang berfungsi sebagai media pengajaran utama, siswa juga diberikan pengajaran kecakapan hidup dalam mata pelajaran seperti penggunaan komputer, kemahiran bahasa Inggris, dan kepemimpinan. Tujuan dari mata kuliah ilmu komputer dan matematika yang ditawarkan oleh Universitas Gunadarma adalah untuk membekali mahasiswa dengan pemahaman yang kuat tentang matematika dasar serta keterampilan penggunaan komputer. Pelajarannya mencakup dasar-dasar penggunaan komputer seperti penggunaan komputer, pengolah kata, penggunaan spreadsheet, membuat presentasi, dan pengetahuan matematika yang berkaitan dengan situasi dunia nyata. Tujuan dari program pelatihan guru ini adalah agar siswa dapat bekerja sebagai karyawan dengan menggunakan komputer sebagai alat kerja dan menerapkan pengetahuan matematika pada tugas-tugas yang berhubungan dengan pekerjaan atau usaha kewirausahaan.
Optimalisasi Deteksi Tingkat Kematangan Tanda Buah Segar Kelapa Sawit Menggunakan YOLOV8 Dengan Platform Web Mardhiyah, Iffatul; Sari, Dyan Prawita; Genoveva, Zahwa; Kosasih, Rifki; Irawati, Dyah Cita
Jurnal Ilmiah Teknologi dan Rekayasa Vol. 30 No. 3 (2025)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/tr.2025.v30i3.67

Abstract

Oil palm represents one of Indonesia’s principal commodities. Traditionally, farmers manually monitor the ripeness level of palm oil, but this method is neither effective nor efficient for large-scale harvests. Therefore, a system that can automatically detect the ripeness level of fresh fruit bunches (FFB) is needed. In this study, the YOLOv8 algorithm was used which was integrated into a web-based application. The system is designed to improve accuracy and efficiency in the grading process of oil palm fruits, which directly impacts the quality of processed products and palm oil production. The dataset used consists of 6.592 images obtained through the Roboflow platform, covering various ripeness categories. The system development follows the CRISP-DM approach, consisting of business understanding, data understanding, data preparation, modeling, evaluation and deployment. The model training process approximately 3,1 hours, with evaluation results showing a precision of 94,5%, recall of 94,7%, and a mean Average Precision (mAP) of 98%. The model’s performance is further supported by an F1-confidence curve of 95% and a precision-recall curve of 98%, indicating stable and accurate classification capabilities. The model is deployed through a Streamlit-based web interface, allowing users to perform real-time detection from images or videos without requiring additional installations.
Aplikasi Deteksi Website Phishing Berbasis Web Menggunakan Random Forest dan Ekstraksi Fitur URL Wulandari, Adytia Dwi; Irawati, Dyah Cita
Jurnal Ilmiah Teknologi dan Rekayasa Vol. 30 No. 3 (2025)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/tr.2025.v30i3.71

Abstract

Advancements in information technology have raised growing concerns among various stakeholders. Phishing attacks have become one of the most common cyber threats, targeting users by imitating legitimate websites to obtain sensitive information. This study aims to develop a web-based application by implementing a supervised learning approach using the Random Forest algorithm to automatically classify URLs as phishing or legitimate. The dataset used consists of 11,054 URL instances with 30 URL-based features. The research process includes data preprocessing, feature extraction, data splitting, and classification model development and evaluation using four data partition scenarios. Model performance was assessed using accuracy, precision, recall, and F1-score as evaluation metrics. The results of the experiments show that the model achieved optimal performance with an 80:20 data split, obtaining an accuracy of 97%, precision of 97%, recall of 98%, and an F1-score of 97%. Furthermore, the trained model was implemented in a web-based application, allowing users to automatically detect URLs.