Claim Missing Document
Check
Articles

Found 5 Documents
Search
Journal : Jurnal Ilmiah Sinus

Pengamanan Data Teks dengan Kriptografi dan Steganografi Wawan Laksito Yuly Saptomo
Jurnal Ilmiah SINUS Vol 6, No 1 (2008): Maret 2008
Publisher : STMIK Sinar Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (282.259 KB) | DOI: 10.30646/sinus.v6i1.56

Abstract

Keamanan data teks ini sangatlah penting untuk menghindari manipulasi data yang tidak diinginkan seperti pengeditan, pembacaan, akses dan publikasi ilegal. Teknik Pengamanan dengan melakukan pengacakan data awal dengan metoda enkripsi dilanjutkan dengan menyisipkan hasil enkripsi kedalam gambar (image). Penyisipan teks ke dalam gambar dilakukan dengan mengganti sebagian bit derajat keabuan gambar dengan bit data teks. Ekstrating data dilakukan dengan mengekstrak dari gambar dan dilakukan deskrepsi sehingga dimunculkan data asli.
Modifikasi Least Significant Bit dalam Steganografi Wawan Laksito Yuly Saptomo
Jurnal Ilmiah SINUS Vol 6, No 2 (2008): Juli 2008
Publisher : STMIK Sinar Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (235.639 KB) | DOI: 10.30646/sinus.v6i2.44

Abstract

Algoritma Least Significant Bit (LSB) merupakan teknik yang umum digunakan dalam penyisipan pesan Steganografi. Untuk memperkuat penyembuanyian pesan dilakukan modifikasi teknik LSB. Modifikasi dilakukan dengan teknik penggunaan pixel gambar yang tidak berurutan (random pixel),penyisipan pada LSB bit ke-1 dan LSB bit ke-2 secara bergantian dan acak (random lsb),mengubah seluruh lsb pada gambar (modify all).
Penyelesaian Masalah Transportasi Dengan Metoda Primal-Dual Wawan Laksito Yuly Saptomo
Jurnal Ilmiah SINUS Vol 5, No 1 (2007): Maret 2007
Publisher : STMIK Sinar Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (282.298 KB) | DOI: 10.30646/sinus.v5i1.69

Abstract

Masalah Transportasi merupakan permasalahan pendistribuian suatu produk homogen dari beberapa sumber ke beberapa tujuan dengan cara yang paling optimal. Metoda Primal-Dual merupakan penyelesaian masalah transportasi dari model matematika dengan ide dapat ditentukan suatu solusi fisibel dari primal dan solusi fisibel dari dual sedemikian hingga kondisi complementary slackness dipenuhi, maka permasalahan transportasi terselesaikan.
Penyelesaian Masalah Transshipmen Dengan Metoda Primal-Dual Wawan Laksito Yuly Saptomo
Jurnal Ilmiah SINUS Vol 5, No 2 (2007): Juli 2007
Publisher : STMIK Sinar Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (292.692 KB) | DOI: 10.30646/sinus.v5i2.60

Abstract

Masalah Pemindahan Muatan adalah masalah transportasi yang melibatkan sambungan yang harus dilewati. Objektifnya adalah menyusun suatu skedul transportasi yang akan memenuhi semua permintaan dengan total biaya minimum. Penyelesaian Primal-Dual masalah Transshipment diselesaikan dengan Algoritma Out-of Kilter dengan ide dapat ditentukan suatu solusi fisibel dari primal dan solusi fisibel dari dual sedemikian hingga kondisi complementary slackness dipenuhi.
Penerapan Agglomerative Hierarchical Clustering Untuk Segmentasi Pelanggan Widyawati Widyawati; Wawan Laksito Yuly Saptomo; Yustina Retno Wahyu Utami
Jurnal Ilmiah SINUS Vol 18, No 1 (2020): Vol 18, No 1, Januari 2020
Publisher : STMIK Sinar Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (728.75 KB) | DOI: 10.30646/sinus.v18i1.448

Abstract

As more businesses emerge, companies need to have the right marketing strategy to provide the best service to customers. The first step is to know the type of customer and make appropriate marketing strategies according to the type of customer. In this research, it is proposed for clustering customers so that an appropriate strategy for that customer group can be determined. The method used for cluster formation uses Agglomerative Hierarchical Clustering with Average Linkage approach and distance determination using Manhattan Distance. The variables in this research are Recency, Frequency, and Monetary (RFM). The results of testing using the Silhouette coefficient show that the results of 7 clusters are the best results when compared with 2 clusters up to 20 clusters because they have the smallest minus value. Based on the results of the Silhoutte coefficient, customer segmentation uses 7 clusters with each cluster representing the existing customer type.