Claim Missing Document
Check
Articles

Found 13 Documents
Search

Analisa Visual Citra Hasil Kombinasi Steganografi dan Kriptografi Berbasis Least Significant Bit Dalam Cipher Ibnu Utomo Wahyu Mulyono; Yupie Kusumawati; Novita Kurnia Ningrum
Jurnal Masyarakat Informatika Vol 14, No 1 (2023): May 2023
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jmasif.14.1.51484

Abstract

Kriptografi dan steganografi adalah teknik yang digunakan untuk mengamankan data untuk meminimalkan pencurian data dan akses oleh orang yang tidak berwenang. Kombinasi Rivest Cipher 4 - Least Significant Bit diusulkan dalam penelitian ini untuk memberikan perlindungan bagi pesan dan berbagai format file yang tertanam dalam gambar digital. Pesan rahasia dienkripsi dengan metode RC4 sebelum dimasukkan kedalam gambar menggunakan LSB. Studi ini juga menganalisis kinerja kombinasi algoritma LSB – RC4 pada berbagai file dan ukuran gambar sampul. Gambar sampul menggunakan gambar dengan saluran RGB. Untuk pengukuran kinerja imperceptibilitas digunakan Peak Signal to Noise Ratio (PSNR), Mean Square Error (MSE), dan analisis histogram.Nilai rata – rata PSNR yang didapatkan pada penelitian ini lebih dari 30 dB, ini membuktikan bahwa kualitas gambar stego sangat baik dan kualitas gambar stego yang baik memiliki nilai PSNR minimal 30 dB. Nilai PSNR yang didapatkan secara keseluruhan lebih dari 30 dB dengan nilai terendahnya 45,15 dB dengan ukuran citra 128x128 pixel.
Sistem Penstabil Suhu Berbasis IoT dengan ESP32 dalam Proses Fermentasi Keju Cheddar di Desa Nogosaren Ivan Putra Pratama; Muhammad Wildan Akhyar; Sandi Yudha Prayogo; Nadya Arum Pramesti; Novita Kurnia Ningrum
ABDIMASKU : JURNAL PENGABDIAN MASYARAKAT Vol 9, No 1 (2026): JANUARI 2026
Publisher : LPPM UNIVERSITAS DIAN NUSWANTORO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/ja.v9i1.3106

Abstract

Desa Nogosaren, Kecamatan Getasan, Kabupaten Semarang, merupakan sentra produksi susu sapi perah dengan hasil ±17.010 liter per hari. Namun, sebagian besar susu hanya dijual dalam bentuk mentah dengan harga murah, sehingga menimbulkan keterbatasan nilai tambah dan potensi kerugian akibat susu cepat basi. Salah satu upaya peningkatan nilai tambah adalah pengolahan susu menjadi keju. Proses fermentasi keju membutuhkan kestabilan suhu dalam rentang 20–25°C untuk menjaga kualitas dan konsistensi produk. Dalam penelitian ini dikembangkan sistem penstabil suhu berbasis Internet of Things (IoT) menggunakan mikrokontroler ESP32, sensor DHT22, relay, dan LCD untuk pemantauan suhu secara real-time. Hasil uji coba menunjukkan bahwa sistem dapat mengendalikan suhu sesuai batas yang ditentukan, dengan tingkat akurasi sensor cukup baik (error rata-rata 0,4–0,6 °C dibandingkan aplikasi HP). Sistem berhasil menyalakan dan mematikan penstabil suhu secara otomatis serta menampilkan data pada LCD dan platform IoT. Implementasi teknologi ini berpotensi membantu peternak dalam menjaga kualitas fermentasi keju, meningkatkan nilai tambah produk susu, dan memperkuat perekonomian lokal.
Comparison of Naïve Bayes, Random Forest, and SVM Algorithm Performance in Analyzing Sentiment Regarding the Aceh Floods on Platform X Amalia Khoirunnisa; Novita Kurnia Ningrum
Journal of Applied Informatics and Computing Vol. 10 No. 2 (2026): April 2026
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v10i2.12250

Abstract

Social media has become a means for the public to express their opinions on various events, including the floods in Aceh. This study aims to analyze public sentiment and compare the performance of the Naïve Bayes, Random Forest, and Support Vector Machine (SVM) algorithms in classifying sentiment on the X (Twitter) platform. In addition, this study also evaluates the effect of applying the Synthetic Minority Over-sampling Technique (SMOTE) on improving model performance.The dataset was collected using a crawling method utilizing Twitter Harvest on the X (Twitter) platform during the period from November 18, 2025, to January 5, 2026. The data collection process yielded 1,971 Indonesian-language data points, which after preprocessing stages such as text cleaning, stemming, and duplicate removal resulted in 1,874 data points. The dataset was then divided into 80% training data (1,499 data points) and 20% test data (375 data points). The analysis results show that the majority of public opinion has a positive sentiment of 77.9% (1460 data), while negative sentiment is 22.1% (414 data). The model evaluation results show that the application of SMOTE can improve the performance of the three algorithms. The algorithm with the best performance is Support Vector Machine (SVM) with an accuracy value of 83% and an F1-score of 75% after the application of SMOTE. Based on the results of the study, the SMOTE technique has been proven to help improve the model's ability to recognize minority classes, resulting in better classification performance.