Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Jurnal Ketahanan Nasional JETT (Jurnal Elektro dan Telekomunikasi Terapan) TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika Prosiding SNPBS (Seminar Nasional Pendidikan Biologi dan Saintek)
Bambang Hidayat
Unknown Affiliation
Biochemistry, Genetics & Molecular Biology Computer Science & IT Electrical & Electronics Engineering Engineering Environmental Science

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
PERBANDINGAN STEGANALISIS SINYAL WICARA BERFORMAT .WAV ANTARA METODE ANALISIS CEPSTRAL DAN MEL-FREQUENCY CEPSTRAL COEFFICIENT (MFCC) Kevin Putra Dirgantoro; Bambang Hidayat; Nur Andini
TEKTRIKA Vol 3 No 2 (2018): TEKTRIKA Vol.3 No.2 2018
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/tektrika.v3i2.2224

Abstract

Teknik menyembunyikan pesan rahasia ke dalam suatu data tertentu atau yang biasa dikenal dengan steganografi mengalami perkembangan yang sangat pesat. Namun, ternyata metode penyembunyian pesan ini juga menimbulkan masalah, di antaranya pihak-pihak yang tidak bertanggung jawab menggunakan teknik tersebut untuk kegiatan kriminalitas. Oleh karena itu, diperlukan teknik untuk mendeteksi pesan tersembunyi di dalam suatu data. Teknik tersebut dikenal dengan istilah steganalisis. Pada penelitian ini, dilakukan analisis terhadap berkas sinyal wicara yang berformat .wav, dengan menggunakan dua metode, yaitu analisis cepstral dan MelFrequency Cepstral Coefficient (MFCC). Perbandingan dari kedua metode ini dilakukan untuk mengetahui metode mana yang lebih baik untuk mendeteksi data memiliki pesan rahasia atau tidak. Nilai akurasi yang didapat dengan menggunakan 45 data latih dan uji untuk metode analisis cepstral yaitu sebesar 51,11%, sedangkan untuk MFCC sebesar 77,78%. Nilai akurasi tersebut didapat dari ciri statistik yang terdiri dari nilai kurtosis, skewness, dan standard deviation yang dihasilkan dari kedua metode, dengan menggunakan metode klasifikasi Support Vector Machine (SVM).
KLASIFIKASI JENIS BATUAN BEKU MELALUI CITRA BERWARNA DENGAN MENGGUNAKAN METODE LOCAL BINARY PATTERN DAN K-NEAREST NEIGHBOR Muhammad Irvan Sultoni; Bambang Hidayat; Andri Slamet Subandrio
TEKTRIKA Vol 4 No 1 (2019): TEKTRIKA Vol.4 No.1 2019
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/tektrika.v4i1.1617

Abstract

Batuan merupakan hasil dari pembentukan ilmiah. Dari proses pembentukannya, umumnya batuan dibagi menjadi tiga yaitu, batuan beku, batuan sedimen, dan batuan metamorf. Perlunya batuan – batuan ini diklasifikasikan selain tujuan edukasi atau keilmuan, adalah untuk tujuan seperti menyediakan data untuk dasar acuan komunikasi antara ahli geologi dengan engineer serta memperoleh data kuantitatif sebagai acuan untuk membuat kebijakan desain suatu proyek. Oleh karena itu, pada karya ilmiah ini penulis telah melakukan penelitian untuk membuat sistem yang dapat mempermudah ahli geologi untuk melakukan klasifikasi batuan, menggunakan metode Local Binary Pattern dan K-Nearest Neighbor. Dari hasil pengujian diperoleh nilai akurasi dari sistem. Dengan menggunakan metode ekstraksi Local Binary Pattern dengan ukuran blocksize = 1 diperoleh nilai akurasi sebesar 78,57% untuk data parallel nicol dan akurasi sebesar 71,3% untuk data cross nicol. Sedangkan proses klasifikasi K-NN aturan jarak paling baik yang digunakan adalah euclidean yang mengasilkan nilai akurasi terbaik 78,57% untuk data parallel nicol dan 71,3% untuk data cross nicol dengan paramater yang terbaik pada nilai K = 9.
IDENTIFIKASI TEKSTUR UNTUK KLASIFIKASI BATUAN BEKU DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT) DAN SUPPORT VECTOR MACHINE (SVM) Abu Amar Tantowi; Bambang Hidayat; Andri Slamet Subandrio
TEKTRIKA Vol 3 No 2 (2018): TEKTRIKA Vol.3 No.2 2018
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/tektrika.v3i2.2216

Abstract

Petrologi adalah bidang ilmu geologi yang terfokus pada studi mengenai batuan dan kondisi pembentukannya. Petrografi adalah cabang dari petrologi yang menjelaskan deskripsi rinci dari batuan berdasarkan kandungan mineral dan tekstur. Batuan merupakan sekumpulan mineral yang membeku, mineral tersebut umumnya disebut sebagai rock-forming minerals. Dengan mengidentifikasi masing-masing mineral yang terdapat pada batuan dengan bantuan mikroskop, pengklasifikasian dapat dilakukan. Karakteristik dari tiap-tiap jenis batuan tersebut dapat dibedakan dari persentase mineral-mineral yang membentuk batuan tersebut. Mikroskop petrografi dapat menganalisis secara rinci dari mineral dengan mineralogi optik dan sayatan tipis dari batuan. Saat ini, petrografer menggunakan cara konvensional untuk menelitinya dengan menggunakan indera penglihatan. Dalam artikel ini, dilakukan perancangan sebuah perangkat lunak berbasis MATLAB yang dapat mengklasifikasikan jenis-jenis dari batuan. Input dari sistem ini berupa citra digital dari batuan, yang secara mikroskopis diambil dari mikroskop petrografi. Kemudian citra tersebut diolah oleh sistem. Proses pertama adalah pengekstraksian ciri melalui metode Discrete Wavelet Transform (DWT). Selanjutnya dilakukan proses klasifikasi citra melalui metode Support Vector Machine (SVM). Dari hasil pengujian yang dilakukan, didapat akurasi terbaik 83.9506%.
ANALISIS METODE CONNECTED VERTICES CLUSTERING AND STAR TOPOLOGY PADA SERANGAN GEOMETRI TERHADAP WATERMARKING OBJEK 3D Oriza Intani; Bambang Hidayat; Suryo Adhi Wibowo
TEKTRIKA Vol 1 No 1 (2016)
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/tektrika.v1i1.246

Abstract

Dalam usaha untuk melindungi hak cipta dan keaslian dari suatu objek tiga dimensi, diperlukan sebuah algoritma untuk menyisipkan informasi rahasia yang tidak nampak oleh indera penglihatan manusia namun dapat dideteksi dengan menggunakan suatu media, misalnya komputer. Oleh karena itu watermark menjadi sebuah solusi terbaik untuk permasalahan tersebut. Metode yang digunakan untuk menanamkan watermark ke dalam objek 3 dimensi adalah metode connected vertices clustering and topology star, dimana sebuah objek 3 dimensi dibagi-bagi menjadi beberapa topologi star berdasarkan vertex vertex-nya yang saling terhubung. Dari topologi star ini dipilih edge-edge untuk disisipi informasi watermark dan dengan menggunakan sebuah PN sequensial dipilih edge yang vertex-nya disisipi oleh watermark. Hasil yang diperoleh dari simulasi sitem watermarking ini adalah didapat sebuah skema penanaman watermark dengan kualitas imperceptibility yang baik karena memiliki nilai BER dan VER yang mendekati 0 serta nilai SNR yang besar. Selain itu watermark dapat diekstrak dengan sangat baik setelah diberi serangan rotasi, scaling, translasi, serta kombinasi serangan scaling dan translasi dengan nilai BER 0. Skema ini tidak robust terhadap serangan cropping.Kata Kunci: object 3D, watermarking, star topology, connected vertices clustering
STEGANALISIS SINYAL WICARA BERFORMAT .WAV MENGGUNAKAN KOMBINASI METODE MEL-FREQUENCY CEPSTRAL COEFFICIENT (MFCC) DAN LINEAR DISCRIMINANT ANALYSIS (LDA) Alifia Putri Anantha; Bambang Hidayat; Nur Andini
TEKTRIKA Vol 3 No 1 (2018): TEKTRIKA Vol.3 No.1 2018
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/tektrika.v3i1.2205

Abstract

Dalam penelitian ini, telah dirancang sebuah sistem yang dapat melakukan steganalisis suatu berkas sinyal wicara berformat .wav, dengan menganalisis karakteristik ciri suatu file speech. Metode yang digunakan untuk mengekstraksi ciri sinyal wicara adalah Mel-Frequency Cepstral Coefficient (MFCC), sedangkan untuk menyeleksi ciri digunakan metode Linear Discriminant Analysis (LDA) metode yang digunakan untuk menyeleksi ciri adalah Linear Discriminant Analysis (LDA). Hasil keluaran dari sistem ini berupa kondisi yang menyatakan berkas sinyal wicara merupakan berkas sinyal wicara asli, tersisip pesan tersembunyi, atau tersisip noise. Support Vector Machine (SVM) digunakan untuk pengklasifikasian dan performansi sistem terbaik yang didapatkan adalah 82,86%. Kondisi tersebut diraih oleh penggunaan hamming window, overlapping, panjang frame 30 ms, dan mel-filter bank yang dibangun berjumlah 20 mel-filter bank.
Co-Authors Abu Amar Tantowi Alifia Putri Anantha Andri Slamet Subandrio Fiky Y. Suratman Kevin Putra Dirgantoro Mochammad Haldi Widianto Muhammad Irvan Sultoni Nur Andini Oriza Intani Putri Ragil Nilamsari Sjafril Darana Suryo Adhi Wibowo