Claim Missing Document
Check
Articles

Found 2 Documents
Search

Perancangan Aplikasi Steganografi Menggunakan Metode Discrete Cosine Transformation berbasis Android Saifuddin Saifuddin; Agus Rakhmadi Mido; E.I.H. Ujianto
Progresif: Jurnal Ilmiah Komputer Vol 16, No 1: Februari 2020
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (547.461 KB) | DOI: 10.35889/progresif.v16i1.425

Abstract

ABSTRAK. Dalam era perkembangan teknologi digital sekarang pengiriman data berupa digital lebih cepat dan mudah, namun dalam pendistribusian data digital melalui jaringan publik seperti internet tidak cukup aman karena sering terjadi pelanggaran hak cipta, pemalsuan, pembajakan, dan penipuan. Oleh karena itu, metode untuk melindungi data digital terutama data yang sensitif sangat diperlukan. Meskipun penggunaan dokumen elektronik sudah menjadi hal yang umum, tidak banyak orang dapat mengenali dokumen-dokumen yang berisi data tersembunyi. Didalam steganografi, kita bisa menyembunyikan sebuah pesan, gambar, maupun file kedalam sebuah gambar, video, maupun audio. Didalam steganografi, terdapat proses penyisipan bit-bit pesan kedalam bit-bit penampung pada tiap-tiap pixel citra. Dilakukan juga pengujian terhadap citra stego dengan menggunakan mean square error (MSE) dan peak signal to noise ratio (PSNR). Berdasarkan pengujian menggunakan algoritma MSE menghasilkan nilai rata-rata sebesar 0.472 dan pengujian menggunakan algoritma PSNR menghasilkan nilai rata-rata sebesar 54.356 dB. Kata kunci: Aplikasi Steganografi, Metode Discrete Cosine Transformation, Berbasis Android, Mean Square Error, Peak Signal to Noise Ratio ABSTRACT. In the era of digital technology development, digital data transfer is faster and easier, but in the distribution of digital data through public networks such as the internet is not safe enough because there are often copyright violations, counterfeiting, piracy, and fraud. Therefore, methods to protect digital data, especially sensitive data, are needed. Although the use of electronic documents has become common, not many people can recognize documents that contain hidden data. In steganography, we can hide a message, image, or file into an image, video or audio. In steganography, there is the process of inserting message bits into storage bits at each pixel of the image. A stego image was also tested using mean square error (MSE) and peak signal to noise ratio (PSNR). Based on testing using the MSE algorithm produces an average value of 0.472 and testing using the PSNR algorithm produces an average value of 54,356 dB. Keywords: Application of Steganography, Discrete Cosine Transformation Method, Based on Android, Mean Square Error, Peak Signal to Noise Ratio
Prediksi Data Historis Saham PT.Bank Rakyat Indonesia Tbk (BBRI) Menggunakan Model Algoritma Artificial Neural Network Saifuddin Saifuddin; Arief Hermawan
Prosiding University Research Colloquium Proceeding of The 10th University Research Colloquium 2019: Bidang Sosial Ekonomi dan Psikologi
Publisher : Konsorsium Lembaga Penelitian dan Pengabdian kepada Masyarakat Perguruan Tinggi Muhammadiyah 'Aisyiyah (PTMA) Koordinator Wilayah Jawa Tengah - DIY

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (533.883 KB)

Abstract

Dalam beberapa tahun ini perkembangan ekonomi Indonesiamengalami fluktuasi dikarenakan ada beberapa kondisi tertentusehingga mengakibatkan mengakibatkan pergerakan kenaikan danpenurunan indeks saham yang tercatat di BEI terutama pada sahamPT.Bank Rakyat Indonesia Tbk (BBRI )yang mengalamiketidakstabilan. Salah satu hal yang dilakukan untuk membantu parainvestor agar mereka tidak salah dalam pengambilan keputusan,dalam penelitian ini adalah melakukan peramalan pergerakan hargasaham pada PT.Bank Rakyat Indonesia Tbk (BBRI) karena saham inidianggap sebagai saham yang paling aktif diperdagangkan padaBursa Efek Indonesia. Pada penelitian ini dalam peramalan sahammenerapkan algoritma Artificial Neural Network untuk memprediksiharga saham BBRI. Dengan menggunakan empat atribut yaitu nilaiopen, high, low sebagai predictor dan close sebagai class, penelitianini berfokus pada penentuan Root Mean Squared Error (RMSE)dengan mengoptimalkan nilai-nilai parameter. Denganmengoptimalkan nilai-nilai parameter dan pemilihan ukuran hiddenlayer memberikan hasil yang lebih baik, terbukti dengan hasilakurasi, RMSE masing-masing sebagai berikut : 0.266 +/- 0.000