Article Per Year (5 Year)
p-Index From 2021 - 2026
1.363
P-Index
This Author published in this journals
All Journal METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi IC Tech: Majalah Ilmiah SmartComp Jurnal Informatika: Jurnal Pengembangan IT
Widiyono Widiyono
STMIK Widya Pratama
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : SmartComp

 1 
Metode Fuzzy Vector Quantization Untuk Kompresi Citra RGB Motif Batik Pekalongan Widiyono Widiyono
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 11, No 1 (2022): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v11i1.3235

Abstract

Batik Pekalongan merupakan warisan nenek moyang yang menjadi salah satu sumber penghidupan masyarakat Pekalongan Batik Pekalongan memiliki ciri khas motif banyak warna yang dapat dijadikan bermacam-macam jenis model pakaian. Beberapa motif batik khas Pekalongan yang memiliki banyak warna seperti Jlamprang, Liong, Buketan, Sawat, Semen, dan Terang bulan. Seiring perkembangan teknologi informasi pemasran batik pekalongan banyak yang menggunakan marketplace atau secara daring. Citra pakaian atau kain batik dengan desain banyk warna memiliki kapasitas storage data yang besar. Demikian juga saat upload citra motif batik pada perdagangan daring seperti marketplace akan membutuhkan bandwitdth yang besar, sedangkan kendala pada pengusaha UMKM hanya memiliki access koneksi internet bandwitdth yang terbatas. Beberapa penelitian melakukan kompresi citra untuk mendapatkan ukuran bit citra lebih kecil tetapi tidak mengurangi kualitas informasi yang terkandung dalam citra. Kompresi citra dengan teknik Fuzzy Vector Quantization pada citra RGB dapat mengurangi banyak bit tetapi tidak menghilangkan informasi kualitas citra yang terkandung didalamnya. Teknik vector quantization akan mengelompokan citra menjadi beberapa blok dan menentukan pusat cluster atau  codeword. Susunan codeword berdasarkan urutan kode vektor citra merupakan pembentukan codebook, dimana kualitas citra terkompresi tergantung pada kualitas codebook. Kualitas codeword lebih baik diperoleh dengan penerapan Metode Fuzzy pada proses vector quantization. Kompresi citra dilakuakan dengan memisahkan terlebih dahulu citra Red, Green, Blue ke masing-masing lapisan. Kemudian dilakukan proses kompresi model FVQ, yang selanjutnya disatukan kembali menjadi citra berwarna.  Penelitian ini dapat mengurangi kapasitas bit citra dan tidak mengurangikualitas informasi citra berektensi Joint Photographic (jpg). Perhitungan Mean Square Error(MSE) citra hasil kompresi menunjukan error lebih rendah, dan hasil perhitungan Peak Signal to Noise Ratio (PSNR) lebih tinggi yang berarti kualitas citra tidak banyak berubah walaupun terdapat pengurangan kapasitas bit citra RGB. Kata kunci: Batik Pekalongan, Kompresi Citra RGB, Fuzzy Vector Quantization
Perlindungan Data Informasi Digital Dengan Teknik Steganografi Metode Least Significant Bit Widiyono Widiyono; Ari Putra Wibowo; Risqiati Risqiati; Anas Syaifudin
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 11, No 3 (2022): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v11i3.3453

Abstract

Perkembangan teknologi pada era digital dibidang informasi dan komunikasi telah mengubah prilaku masyarakat secara global, serta menyebabkan dunia tanpa batas berkembang secara cepat. Transformasi data pada jejaring secara global menjadi kebutuhan untuk memberikan informasi yang akurat. Transformasi data pribadi pada jejaring secara global akan memungkinkan menjadikan ancaman bagi pemilik data informasi atas perbuatan pihak lain yang tidak bertanggungjawab untuk tujuan tertentu. Perlindungan data informasi digital menjadi penting untuk menjaga ancaman kejahatan data pribadi, yang akan ditranformasikan melalui jajaring secara global. Teknik Steganografi merupakan cara menyisipkan informasi pada data digital misalnya citra/gambar digital, yang kelihatanya tidak terlihat ada perbedaan serta tidak mengubah informasi yang terkandung pada data digital. Metode Least Significant Bit salah satu metode yang mempunyai kelebihan dalam hal imperceptibility yaitu data hasil embedding dengan data hasil extracting tidak ada perbedaan secara kasat mata. Perlindungan informasi data digital ini dapat diterapkan pada data file citra, dimana disisipkan data/file pesan rahasia.
Naïve Bayes, Neural Network dan K-Nearest Neighbor untuk Klasifikasi Topik Tugas Akhir Ari Putra Wibowo; Widiyono Widiyono; Anas Saifudin; Arief Soma Darmawan; Eko Budihartono
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 11, No 4 (2022): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v11i4.4251

Abstract

Pemilihan topik atau judul skripsi menentukan mahasiswa dalam menyelesaikan pengerjaan skripsi tepat waktu, hal ini juga berpengaruh dalam kebutuhan akreditasi program studi. Namun penentuan topik atau judul skripsi menjadi hal yang cukup sulit untuk mahasiswa, beberapa penelitian mengenai klasifikasi topik skripsi telah banyak dilakukan untuk mengelolompokkan topik atau judul skripsi sesuai dengan konsentrasi keahliannya sehingga memberikan informasi yang dapat membantu mahasiswa. Pada penelitian ini dilakukan perbandingan model klasifikasi untuk mengetahui model klasifikasi terbaik dalam klasifikasi topik  atau judul skripsi. Ada tiga model klasifikasi yang dibangun dalam penelitian ini dengan menggunakan algoritma Naïve Bayes, Neural Network dan K-Nearest Neighbor. Evaluasi hasil dilakukan dengan metode cofusion matrix untuk mengetahui nilai akurasi, presisi, recall dan f-score. Dari hasil eksperimen menunjukkan bahwa model klasifikasi dengan algoritma Neural Network memiliki nilai akurasi paling tinggi dengan nilai 94,1% sedangkan nilai akurasi paling rendah adalah model klasifikasi Naïve Bayes dengan nilai 79% .
Co-Authors Anas Saifudin Anas Syaifudin ARI PUTRA WIBOWO arief soma darmawan Devi Sugianti Eko Budihartono, Eko Faizal Kurniawan H.M Ali Chusni Maulana, Fahmi Nur Fadhilah Risqiati Risqiati Taryadi Taryadi Taufikqurrohmnan Taufikqurrohmnan Tria Titiani Chasanah