Gede Angga Pradipta
Unknown Affiliation

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

Penerapan Kombinasi Metode Enkripsi Vigenere Chiper Dan Transposisi Pada Aplikasai Client Server Chatting Gede Angga Pradipta
Jurnal Sistem dan Informatika (JSI) Vol 10 No 2 (2016)
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (962.737 KB)

Abstract

Masalah keamanan pada komputer menjadi isu penting pada era teknologi informasi ini. Banyak kejahatan cyber yang terjadi salah satunya yang terkait dengan manipulasi data pada jaringan. Masalah terpenting dalam jaringan komputer adalah masalah keamanan data yang dikirimkan.Vigenere cipher merupakan salah satu jenis algoritma klasik yang populer dan sering digunakan sebagai metode penyembunyian pesan (kriptografi). Vigenere cipher ini menggunakan teknik substitusi dalam pengenkripsian pesannya dimana setiap karakter plainteks pada pesan akan dienkripsi mejadi karakter lain pada cipherteks berdasarkan kunci yang digunakan. Selanjutnya adalah metode penyandian transposisi adalah metode penyandian dengan cara mengubah letak dari teks pesan yang akan disandikan. Dan untuk membaca pesan aslinya kembali, cukup dengan mengembalikan letak dari pesan tersebut berdasarkan kunci dan algoritma pergeseran huruf yang telah disepakati. Pada penelitian ini dilakukan pengamanan data yang dikirimkan melalui jaringan ke server yang rentan untuk di serang hacker. Metode enkripsi yang diterapkan adalah vigenere chipper yang dikombinasikan dengan metode transposisi untuk mendapatkan data yang sudah diacak atau disebut dengan chipper text yang menghasilkan pengacakan data yang lebih kompleks dan sulit untuk di pecahkan pada saat pesan chatting memasuki server .
Deteksi Ukuran Telur Ayam Berdasarkan Diameter Menggunakan Metode Fuzzy C-Means Dan IRHT Putu Desiana Wulaning Ayu; Gede Angga Pradipta
Jurnal Sistem dan Informatika (JSI) Vol 12 No 1 (2017)
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (397.34 KB)

Abstract

Salah satu parameter dalam menentukan kualitas telur ayam adalah ukuran diameter telur ayam tersebut. Diameter tersebut terbagi dalam 2 jenis, yaitu diameter mayor dan diameter mayor. Dalam paper ini membahas bagaimana menentukan ukuran diameter secara otomatis sehingga dapat mengetahui grade telur ayam, grade telur ayam terbagi menjadi 3, yaitu grade A, B dan C. Data uji berupa citra atau foto telur ayam sebanyak 20 buah citra, Untuk mendapatkan ukuran diameter mayor dan minor, dibutuhkan skleton atau lingkar telur yang jelas, untuk mendapatkan lingkar telur tersebut, maka masing-masing citra uji dicari segmentasinya dengan metode Fuzzy CMeans, kemudian mencari diameter mayor dan minor dengan metode IRHT, diameter yang dihasilkan kemudian di kalibrasi ke dalam satuan milimeter, sehingga setelah mendapatkan ukuran diameter dalam satuan milimeter, telur di klasifikasikan ke dalam masing-masing grade. Hasil percobaan menunjukkan keberhasilan dalam mendeteksi diameter mayor telur sebesar 89.1% dan untuk diameter minor sebesar 85,97%.
Prediksi Umur Janin Pada Citra USG Berdasarkan Ukuran BPD Dan HC Menggunakan IRHT Putu Desiana Wulaning Ayu; Gede Angga Pradipta
Jurnal Sistem dan Informatika (JSI) Vol 12 No 2 (2018)
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1281.602 KB)

Abstract

Pengukuran pada kepala janin bertujuan untuk mengetahui kondisi perkembangan lebih dini dari janin, diantaranya adalah untuk mengetahui perkembangan kondisi janin apakah berada dalam kondisi normal atau abnormal. Pengukuran kepala janin terdiri dari dua bagian yaitu Biparetal Diameter (BPD) dan Head Circumference (HC). BPD merupakan jarak dari margin luar kepala ke margin bagian dalam kepala dan diukur sebagai jarak antara dua endpoint yang ditandai secara manual. Sedangkan HC adalah keliling kepala luar, dan secara manual diukur dengan menelusuri kepala janin. Metode pendekatan untuk mendeteksi lingkar kepala adalah dengan metode deteksi elips yaitu IRHT. Persentase keberhasilan untuk pengukuran BPD sebesar 59,75 % dan untuk pengukuran HC sebesar 53,14 %. Sedangkan persentase rata-rata keberhasilan dalam menentukan prediksi umur janin adalah sebesar 83,79 % .
The Implementation of Bayesian Optimization for Automatic Parameter Selection in Convolutional Neural Network for Lung Nodule Classification Kadek Eka Sapta Wijaya; Gede Angga Pradipta; Dadang Hermawan
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 13 No. 3 (2024)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v13i3.82467

Abstract

Lung cancer's high mortality rate makes early detection crucial. Machine learning techniques, especially convolutional neural networks (CNN), play a very important role in lung nodule detection. Traditional machine learning approaches often require manual feature extraction, while CNNs, as a specialized type of neural network, automatically learn features directly from the data. However, tuning CNN hyperparameters, such as network structure and training parameters, is computationally intensive. Bayesian Optimization offers a solution by efficiently selecting parameter values. This study develops a CNN classification model with hyperparameter tuning using Bayesian Optimization, achieving a 97.2% accuracy. Comparatively, Particle Swarm Optimization and Genetic Algorithm methods each resulted in 96.4% accuracy. The research concludes that Bayesian Optimization is an effective approach for CNN hyperparameter tuning in lung nodule classification.
Combination of CNN and SMOTE-IPF for Early Detection of Diabetes Patients in Thermogram Images W Mega Adhi Agam Pradhana; Gede Angga Pradipta; Roy Rudolf Huizen
Jurnal Nasional Pendidikan Teknik Informatika: JANAPATI Vol. 14 No. 2 (2025)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v14i2.83145

Abstract

This study aims to enhance the early detection of diabetic complications through the analysis of plantar foot thermogram images using deep learning techniques. A total of 334 thermographic images were utilized, comprising 244 images from 122 diabetic patients (DM class) and 90 images from 45 non-diabetic individuals (control group, CG class). To address the dataset’s imbalance (ratio of 2.64), the Synthetic Minority Over-sampling Technique with Iterative-Partitioning Filter (SMOTE-IPF) was applied both before and after feature extraction. Image quality was further enhanced using Adaptive Histogram Equalization (AHE) and Gamma Correction preprocessing techniques. A Convolutional Neural Network (CNN) model was trained and evaluated on an independent test set of 54 images. The model achieved outstanding results: 99.37% accuracy, 99.37% precision, 100% recall, and a 99.68% F1-score for AHE-processed images. Gamma-corrected images achieved 98.50% accuracy, while original images reached 97.20%. These findings demonstrate the combined value of data balancing and preprocessing in improving non-invasive diabetic foot ulcer detection, offering a promising diagnostic aid for clinical settings.