Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Jurnal Simetris Bulletin of Electrical Engineering and Informatics Jurnal Ilmiah Intech : Information Technology Journal of UMUS
Puji Prabowo, Dwi
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Electrical & Electronics Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Enhancing quality measurement for visible and invisible watermarking based on M-SVD and DCT Kusnawi, Kusnawi; Ipmawati, Joang; Puji Prabowo, Dwi
Bulletin of Electrical Engineering and Informatics Vol 13, No 4: August 2024
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eei.v13i4.7884

Abstract

This study introduces an advanced method for evaluating non-blind watermarking quality, leveraging both visible and invisible watermarking techniques grounded in principles of discrete cosine transform (DCT) and modified singular value decomposition (M-SVD). The primary focus is to refine the assessment process of watermarked images by integrating M-SVD, known for its efficacy in measuring image quality and watermarking performance. Results from the M-SVD implementation exhibit a striking resemblance to the original images. The mean squared error (MSE) values for watermarked images range from 0.0003 to 0.0168, while peak signal-to-noise ratio (PSNR) values vary between 42.52 dB and 82.72 dB. These outcomes underscore the potential of DCT and M-SVD techniques in bolstering watermarking processes, especially in invisible watermarking contexts.
OPTIMALISASI IDENTIFIKASI SAYURAN JENIS UMBI BERBASIS MORFOLOGI DAN JARINGAN SYARAF TIRUAN UNTUK MENDUKUNG KETAHANAN PANGAN NASIONAL Kuswardono, Danang; Aisyah, Siti; Bastian, Henry; Puji Prabowo, dwi; Anggi Pramunendar, Ricardus
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol. 16 No. 2 (2025): JURNAL SIMETRIS VOLUME 16 NO 2 TAHUN 2025
Publisher : Fakultas Teknik Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/simet.v16i2.15856

Abstract

Ketahanan pangan nasional menjadi tantangan strategis yang perlu dihadapisecara inovatif, terutama dalam konteks diversifikasi pangan dan pemanfaatansumber daya lokal seperti sayuran jenis umbi. Kentang, ubi jalar, dan talasmerupakan komoditas potensial sebagai sumber karbohidrat alternatif. Namun,identifikasi varietas umbi di lapangan masih bergantung pada metode manual yangbersifat subjektif, lambat, dan membutuhkan tenaga ahli.Penelitian ini selaras dengan target nasional seperti peningkatan skor GFSI dari 64 (2020) menjadi 69,8 (2024), serta skor Pola Pangan Harapan (PPH) dari 90,4 menjadi 95,2. Inovasi ini diharapkan menjadi kontribusi nyata dalam mendukung ketahanan pangan berkelanjutan melalui integrasi teknologi AI di sektor pertanian. Berbagai studi menunjukkan bahwa teknologi pengolahan citra digital berbasiskecerdasan buatan seperti Artificial Neural Network (ANN) dan Convolutional NeuralNetwork (CNN) efektif untuk klasifikasi morfologi tanaman secara otomatis danakurat. Dalam konteks tersebut, penelitian ini bertujuan mengembangkan sistemidentifikasi varietas sayuran jenis umbi berbasis morfologi visual dan jaringan syaraftiruan, yang dioptimalkan untuk kondisi lokal dan dapat diimplementasikan padaperangkat berspesifikasi rendah. Pengolahan data citra akan menggunakan percobaan pembagian holdout validation dan k-fold validation yang nantinya hasil dari percobaan tersebut akan digunakan dalam dalam menguji data mentah uji tunggal. Hasil dari percobaan tersebut diketahui bahwa Hasil dari beberapa percobaan diatas diketahui bahswa Backpropagation Neural Network berhasil digunakan dalam mengidentifikasi data citra hasil umbi. Backpropagation Neural Network yang dilakukan berhasil dengan Nilai rata-rata akurasi tertinggi untuk traingdx pada neuron 40 adalah 95,02%, sementara untuk trainlm akurasi terbaik tercapai pada neuron 20 dengan nilai 94,97%
PENCAPAIAN KLASIFIKASI TERBAIK BERBASIS PERBAIKAN CITRA CLAHE DAN DARK CHANNEL PRIOR PADA SPESIES IKAN Pergiwati, Dewi; Anggi Pramunendar, Ricardus; Puji Prabowo, Dwi; Alzami, Farrikh; Megantara, Rama Aria
Jurnal Teknik Informatika UMUS Vol 7 No 2 (2025): November
Publisher : Universitas Muhadi Setiabudi

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

Abstract

Ikan merupakan bahan pangan lauk-pauk utama yang dikonsumsi manusia untuk menunjang protein hewani dan zat-zat lain yang diperlukan tubuh. Ikan merupakan lauk-pauk pilihan utama yang memiliki harga relative murah dan mudah didapat. Namun pada nyatanya konsumsi ikan di Indonesia sangat rendah dibandingkan dengan negara-negara yang memiliki potensi sumberdaya perikanan yang jauh lebih rendah seperti negara Jepang, Korea Selatan, serta negara-negara di Asia lainnya. Di sisi lain, salah satu kekayaan Indonesia yang sangat berlimpah pada sector perairan adalah biota ikan. Dengan kondisi demikian, upaya peningkatan konsumsi ikan akan memberikan multiflier effect dalam lingkungan masyarakat. Selain meningkatkan tingkat kesehatan serta kecerdasan, juga semakin menggairahkan sektor perikanan untuk dapat mendorong peningkatan penyerapan tenaga kerja, meningkatkan pendapatan serta kesejahteraan pada masyarakat khususnya profesi nelayan, pembudidaya ikan, pengolah hasil ikan serta pihak terkait lainnya. Maka, perlu ditingkatkan kemampuan pengenalan ikan secara otomatis dengan bantuan computer untuk mengenali jenis-jenis ikan yang sangat beragam guna mempermudah proses pengelolaan dan distribusi ikan. Oleh karena itu dalam penelitian ini, peneliti ini mengusulkan untuk melakukan analisis dampak pre-processing dari kombinasi algoritma CLAHE dan DCP yang diterapkan dalam klasifikasi ikan dengan Random Forest.
Co-Authors Alzami, Farrikh Anggi Pramunendar, Ricardus Danang Kuswardono Henry Bastian, Henry Joang Ipmawati Kusnawi Kusnawi Megantara, Rama Aria Pergiwati, Dewi Siti Aisyah