Juanda Hakim Lubis
STMIK KAPUTAMA

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

Implementasi Keamanan Data Dengan Metode Kriptografi XOR Juanda Hakim Lubis
JSIK (Jurnal Sistem Informasi Kaputama) Vol 2, No 2 (2018): Volume 2 No. 2 Juli 2018
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.1234/jsik.v2i2.103

Abstract

Tingkat keamanan pada data menjadi prioritas utama untuk menyampaikan informasi dengan menggunakan media internet, sehingga dibutuhkan metode yang dapat membantu mengamankannya yaitu salah satunya metode kriptografi XOR. Kriptografi dengan metode XOR adalah salah satu jenis kriptografi klasik yang memiliki kunci yang simetris. Tulisan ini menjelaskan teknik penyandian data sederhana untuk enkripsi dan dekripsi data.   Kata kunci: Kriptografi, XOR, enkripsi, dekripsi
ANALISA TANDA TANGAN DIGITAL MENGGUNAKAN HEBBIAN LEARNING DAN SUPPORT VECTOR MACHINE Juanda Hakim Lubis
JTIK (Jurnal Teknik Informatika Kaputama) Vol 2, No 2 (2018): EDISI JULI 2018
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (564.477 KB)

Abstract

ABSTRAK Tanda tangan merupakan salah satu ciri dari setiap orang. Biasanya tanda tangan digunakan pada surat pernyataan, atau pun transaksi yang berhubungan dengan hal keuangan, baik penjualan barang maupun pembelian barang. Hal itu menjadi bermasalah jika suatu transaksi gagal karena adanya pemalsuan tanda tangan, tentu saja hal tersebut sangat merugikan, sehingga sangat penting untuk melakukan identifikasi tanda tangan.  Untuk menentukan suatu tanda tangan asli atau palsu tersebut digunakan metode Hebbian Learning. Dengan menggunakan Hebbian Learning dan Support Vector Machine tanda tangan akan diekstraksi cirinya lalu dibandingkan dengan tanda tangan uji untuk mengklasifikasikan tanda tangan uji asli atau  palsu. Hasil dari proses ini akan menyatakan cocok atau tidak cocok suatu tanda tangan. Bentuk tanda tangan mempengaruhi kombinasi parameter Hebbian Learning untuk mencapai tingkat akurasi yang baik. Dari hasil uji yang dilakukan menunjukkan bahwa sistem dapat mengenali tanda tangan dengan ketepatan rata-rata 91% untuk 5 orang data sampel.   Kata kunci: Hebbian Learning, Support Vector Machine, tanda tangan