Claim Missing Document
Check
Articles

Found 33 Documents
Search

Penggunaan Metode Ong-Schnorr-Shamir pada Pembuatan Tanda Tangan Digital Virgiawan, Muhammad Andhika; Utama, Gunawan Pria
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 5 No 1 Tahun 2020
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (541.697 KB) | DOI: 10.17605/jti.v5i1.695

Abstract

Penyampaian informasi pada suatu perusahaan besar menjadi sesuatu hal yang perlu dijaga keutuhan dan kerahasiaannya, informasi yang penting dan bersifat rahasia jika jatuh ketangan pihak orang yang tidak bertanggungjawab menjadi sebuah petaka. Digital signature atau tanda tangan digital merupakan sebuah mekanisme otentikasi yang memungkinkan pembuat pesan menambahkan sebuah kode yang bertindak sebagai tanda tangannya dan juga memungkinkan penerima pesan untuk menguji keaslian dan keutuhan pesan. Skema (scheme) yang dapat digunakan untuk melakukan proses tanda tangan digital terhadap suatu pesan (message) juga ada bermacam-macam, salah satu skemanya adalah skema Ong-Schnorr-Shamir. Penelitian ini menggunakan metode Ong-Schnorr-Shamir yang diimplementasikan kedalam sistem. Hasil penelitiannya bahwa metode tersebut dapat digunakan dan berhasil 100% didalam menyamarkan pesan dan membuat tanda tangan digital
Penggunaan Metode Ong-Schnorr-Shamir pada Pembuatan Tanda Tangan Digital Virgiawan, Muhammad Andhika; Utama, Gunawan Pria
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 5 No 1 Tahun 2020
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (541.697 KB) | DOI: 10.17605/jti.v5i1.695

Abstract

Penyampaian informasi pada suatu perusahaan besar menjadi sesuatu hal yang perlu dijaga keutuhan dan kerahasiaannya, informasi yang penting dan bersifat rahasia jika jatuh ketangan pihak orang yang tidak bertanggungjawab menjadi sebuah petaka. Digital signature atau tanda tangan digital merupakan sebuah mekanisme otentikasi yang memungkinkan pembuat pesan menambahkan sebuah kode yang bertindak sebagai tanda tangannya dan juga memungkinkan penerima pesan untuk menguji keaslian dan keutuhan pesan. Skema (scheme) yang dapat digunakan untuk melakukan proses tanda tangan digital terhadap suatu pesan (message) juga ada bermacam-macam, salah satu skemanya adalah skema Ong-Schnorr-Shamir. Penelitian ini menggunakan metode Ong-Schnorr-Shamir yang diimplementasikan kedalam sistem. Hasil penelitiannya bahwa metode tersebut dapat digunakan dan berhasil 100% didalam menyamarkan pesan dan membuat tanda tangan digital
Recognition of Toraja Carving Motifs Using Texture Features with GLCM Imelda, Imelda; Utama, Gunawan Pria; Cahyana, Asep
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 19, No 4 (2025): October
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.111590

Abstract

Indonesia comprises a diverse array of ethnic groups and cultures. Each ethnic group has unique carving motifs rich in philosophical meaning. Toraja motifs are among the most distinctive in the world. These motifs are often found in traditional houses, textiles, and architectural ornaments. However, people's understanding of the symbolic value of these carvings remains limited, thereby risking cultural erosion. This study aims to recognize Toraja carving motifs using digital image processing, specifically through the extraction of Gray Level Co-occurrence Matrix (GLCM) texture features, which include contrast, correlation, energy, and homogeneity at 0° orientation. The Toraja carving dataset was processed through preprocessing, feature extraction, and thresholding-based classification stages. This study contributes to the combination of GLCM and thresholding that can improve accuracy while providing a computationally efficient solution for traditional motif pattern recognition. Experimental results show that thresholds of 0.002 and 0.004 produce recognition accuracies of 100% and 82%, respectively.