Article Per Year (5 Year)
p-Index From 2021 - 2026
5.351
P-Index
This Author published in this journals
All Journal JSM (Jurnal SIFO Mikroskil) TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Edukasi dan Penelitian Informatika (JEPIN) PROSIDING SENATEK FAKULTAS TEKNIK UMP ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika PROSIDING SEMINAR NASIONAL CENDEKIAWAN JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Jurnal Elektronika dan Telekomunikasi Berdikari: Jurnal Pengabdian Masyarakat Indonesia TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika IJAIT (International Journal of Applied Information Technology) Journal of Applied Engineering and Technological Science (JAETS) Jurnal Abdi Insani Indonesian Journal of Electrical Engineering and Computer Science Journal of Applied Data Sciences Journal of Computer, Electronic, and Telecommunication (COMPLETE) Almufi Jurnal Pengabdian kepada Masyarakat Internet of Things and Artificial Intelligence Journal Prosiding Seminar Nasional Rekayasa Teknologi Industri dan Informasi ReTII eProceedings of Engineering Telkatika: Jurnal Telekomunikasi Elektro Komputasi & Informatika Jurnal Nasional Sains dan Teknik
Gelar Budiman
Universitas Telkom
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Social Sciences Transportation Other

Published : 109 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 59 Documents
Search
Journal : eProceedings of Engineering

 2   3   4   5   6 
Peningkatan Reversible Watermarking Menggunakan Metode Spread Spectrum (SS) Adaptif Annida, Nurafifah; Novamizanti, Ledya; Budiman, Gelar
eProceedings of Engineering Vol. 11 No. 6 (2024): Desember 2024
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Dalam era digital yang terus berkembang, keamanan data menjadi tantangan signifikan akibat risiko modifikasi, akses tidak sah, dan pemalsuan informasi. Untuk mengatasi hal ini, berbagai langkah keamanan seperti enkripsi dan otentikasi telah dikembangkan guna melindungi integritas dan privasi data. Penelitian lebih lanjut diperlukan untuk mengembangkan metode yang lebih efisien dan aman dalam menjaga keamanan informasi digital di masa depan. Metode yang digunakan adalah Robust Reversible Watermarking menggunakan metode reversible Spread Spectrum (SS) Adaptif. Prosesnya dilakukan pemilihan skema wavelet DWT atau IWT dan membagi blok menjadi empat sub-band LL, LH, HL, HH dengan ukuran 8 × 8. Setelah membagi blok citra, akan dilakukan penyematan watermark key. Setelah watermark disematkan, blok citra akan dikembalikan ke ukuran semula yaitu 32 × 32 dan dilakukan invers skema wavelet DWT atau IWT. Pengujian dilakukan menggunakan citra standar untuk pengolahan citra, dengan empat citra dari dataset yang ada dengan format citra BPM. Dengan melakukan serangan JPEG Quality Factor, JPEG 2000 Compression Ratio, AWGN, Salt and Pepper Noise, serta Rotation attack. Hasil menunjukkan bahwa ketahanan terhadap serangan watermark dan kemampuan memulihkan citra asli meningkat secara signifikan dengan nilai PSNR yang tinggi dan nilai BER 0. Kesimpulannya, metode ini secara efektif meningkatkan kinerja watermarking reversibel yang kuat. Kata kunci—Citra digital, Reversible, Robust, Watermarking.
Grading Quality of Tuna Loin Using Computer Vision and Deep Learning Mochamad Reyhand Landrenzy Zulfikar; Ledya Novamizanti; Gelar Budiman
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Assessing the quality of tuna loin remains a pivotal aspect of the global seafood industry, necessitating precise, consistent, and efficient grading methods that can be broadly implemented. This study addresses these challenges by developing a robust, cloud-native system for automated tuna loin quality classification. Utilizing a tailored image dataset, the system's core processing is handled by a scalable cloud-based backend on Google Cloud Platform, specifically employing Cloud Run for serverless inference. The deep learning model, EfficientNetV2M, is optimized into the ONNX format and executed efficiently by ONNX Runtime within this cloud environment, achieving a classification accuracy of 96% with rapid prediction times. An intuitive Flutter frontend application serves as the user interface, facilitating the transmission of image data to the cloud service and displaying real-time grading results. This architectural design ensures dynamic resource allocation, high availability, and cost-effectiveness through a pay-per-use model. Data integrity and security are maintained via HTTPS for secure communication between the frontend and the cloud-deployed backend. The integration of Docker for containerization, Google Cloud Run for serverless deployment, and Flask for API management collectively yields a highly scalable, reliable, and efficient system. This research presents a robust, cloud-centric solution for automated tuna loin quality classification, offering real-time predictions, secure data handling, and a user-friendly interface suitable for industrial quality control and research applications. Keywords — cloud computing, serverless, Google Cloud Run, Docker, ONNX, deep learning, computer vision, real-time prediction.
KINERJA ROBUSTNESS PADA WATERMARKING CITRA YANG REVERSIBLE MENGGUNAKAN SKEWED HISTOGRAM SHIFTING Rahmawati, Aulya; Novamizanti, Ledya; Budiman, Gelar
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

AbstrakKemudahan akses gambar digital adalah salah satu dampak positif perkembangan teknologi. Adapundampak negatif dari kemudahan tersebut gambar rentan disalahgunakan oleh pihak lain. Untuk menghindariterjadinya hal tersebut, gambar harus dilindungi oleh sistem keamanan. Watermarking adalah teknik yangdigunakan untuk melindungi gambar dengan menyembunyikan informasi ke dalam gambar. Metodewatermarking yang digunakan pada Tugas Akhir ini adalah Skewed Histogram Shifting dan prediction error.Watermark disisipkan jika prediction error adalah 0, dan disisipkan pada Positive Histogram Skewed (PHS) atauNegative Histogram Skewed (NHS). Penyisipan pada PHS pixel akan bergeser ke kanan, dan penyisipan padaNHS pixel akan bergeser ke kiri. Teknik reversible pada penelitian ini berhasil pada citra dengan kondisi tanpaunderflow dan overflow, citra yang berhasil pulih memiliki PSNR rekonstruksi infinity dan BER 0. Citra yangtidak berhasil pulih memiliki nilai PSNR rekonstruksi lebih dari 90 dB dan BER 0. Data uji menggunakan 10citra berukuran 512×512. Sistem ini robust terhadap serangan speckle saat LM dikompresi dengan variansi 1×10-3 dan 1×10-4 rata-rata BER yang dihasilkan 0.1404 dan 0 secara berurut, dan serangan salt and pepper saat LMdikompresi dengan density 1×10-4 rata-rata BER adalah 0.1159.Kata kunci : Watermarking, Data Hiding, Reversible Watermarking, Watermarking Citra, Histogram Shifting
Perbaikan Deteksi Watermark Dengan Knn Pada Penyembunyian Data Berbasiskan Histogram- Based Reversible Data Hiding Sari, Rina Media; Budiman, Gelar; Novamizanti, Ledya
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Sistem Deteksi Tingkat Kebisingan Kendaraan Bermotor Dengan Metode Mel Frequency Cepstrum Coefficients Dan K Nearest Neighbour Reformatio, Fairoez Nauval; Raharjo, Jangkung; Budiman, Gelar
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Dalam menentukan tingkat kebisingan sepedamotor sering kali terjadi kekeliruan karena di deteksi dengancara manual. Maka penulis ingin merancang metodeklasifikasi untuk mendeteksi kebisingan sepeda motor. padapenelitian ini dilakukan perancangan sistem yang dapatmendeteksi tingkat kebisingan kendaraan berdasarkanperaturan yang sudah diputuskan oleh Menteri NegaraLingkungan Hidup nomor 7 tahun 2009. Penelitian inimenggunakan inputan data audio yang diambil dengansmarthphone kemudian data diolah menggunakan simulatorMatLab. Dengan menggunakan metode MFCC sebagai vectoruntuk mempresentasikan suara sepeda motor dan K-NN yangdapat mengklasifikasi untuk mendeteksi kebisingan kendaraanbermotor. Pengujian sitem dengan MFCC dan K-NNdilakukan dengan cara mengubah beberapa parameter,diantaranya jumlah sampel, jumlah nilai K dan jumlahpersentase data. Tujuan pengujian dan analisis untukmengetahui pengaruh jumlah sampel, nilai K dan persentasedata latih terhadap kinerja sistem. Hasil pengujian sistemdengan parameter diatas didapatkan untuk jumlah akhirsampel terbaik yaitu 75000, untuk jumlah persentase data80%, dan untuk jumlah nilai K yaitu K=5.Kata kunci— Kebisingan, Klasifikasi, MatLab, MelFrequency Cepstrum Coefficients (MFCC), K-NearestNeighbor (K-NN).
Watermarking Citra Medis Menggunakan Spread Spectrum Dengan Kode Hadamard Wulanda, Ghea Aldama; Budiman, Gelar; Sa’idah, Sofia
eProceedings of Engineering Vol. 11 No. 2 (2024): April 2024
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Dalam era digital, perlindungan data medis semakin penting karena citra medis disimpan dan dibagikan secaraelektronik. Salah satu cara efektif melindungi integritas citra medis adalah melalui watermarking, pada Tugas Akhir inimetode yang digunakan adalah watermarking spread spectrum dengan kode Hadamard pada citra medis. KodeHadamard dipilih karena dapat melindungi citra dari serangan dan perubahan. Watermark disisipkan ke spektrum citraasli menggunakan kode Hadamard pada piksel citra. Ini memungkinkan penyisipan data yang kuat sambil menjagakualitas citra penting untuk diagnosis. Penelitian ini menguji ketahanan citra ter-watermark terhadap berbagai serangandan kemampuan sistem mendeteksi watermark pada citra yang diserang.Tugas Akhir ini menemukan bahwa sistemwatermarking menunjukkan ketahanan yang baik terhadap berbagai serangan pada citra ter-watermark. Namun, terdapatbeberapa serangan seperti serangan crop dengan parameter [2] dan serangan kompresi (jpeg) dengan parameter [70]yang menyebabkan sedikit kesulitan dalam pemulihan watermark. Meskipun begitu secara keseluruhan sistemwatermarking tetap menunjukkan kinerja yang sangat baik dalam memulihkan watermark dari berbagai jenis seranganpada citra ter-watermark. Sistem ini telah diuji kualitasnya melalui parameter PSNR (Peak Signal-to-Noise Ratio) ≥ 30dB, BER (Bit Error Rate) = 0, dan MOS (Mean Opinion Square) = 4. Kata kunci : Watermarking , Citra medis , Spread Spectrum dan kode Hadamard
Pendekatan Machine Learning dalam Prediksi Kepribadian MBTI Menggunakan Data Media Sosial Platform X Ignatius, Daniel Tulus; Sujatmoko, Kris; Budiman, Gelar
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Ketidaksesuaian antara kepribadian mahasiswa dengan jurusan kuliah yang dipilih sering kali menyebabkan penurunan motivasi belajar, rendahnya prestasi akademik, hingga peningkatan risiko putus studi. Faktor penyebabnya antara lain kurangnya pemahaman diri, pengaruh tren atau tekanan eksternal, serta keterbatasan layanan konseling karier. Penelitian ini mengembangkan sistem rekomendasi jurusan kuliah berbasis analisis kepribadian Myers-Briggs Type Indicator (MBTI) dengan memanfaatkan data media sosial dan metode machine learning. Data dikumpulkan dari platform X (Twitter) melalui scraping akun pengguna yang mencantumkan tipe MBTI pada profil, kemudian diproses melalui tahapan pre-processing meliputi tokenisasi, penghapusan stopword, lemmatisasi, normalisasi bahasa tidak baku, dan penghapusan emoji. Fitur yang digunakan mencakup Term Frequency–Inverse Document Frequency (TF-IDF), analisis sentimen, dan distribusi topik untuk menangkap pola linguistik yang relevan. Enam algoritma machine learning diuji, yaitu XGBoost, AdaBoost, Gradient Boosting, Support Vector Machine (SVM), Complement Naive Bayes, dan Logistic Regression. Hanya algoritma SVM dengan akurasi sebesar 84% dan Logistic Regression dengan akurasi 83% yang berhasil melampaui target minimum akurasi sebesar 80%. Sementara itu, model lain seperti XGBoost, Gradient Boosting, AdaBoost, dan Complement Naive Bayes masih menunjukkan akurasi yang lebih rendah, yakni pada rentang 60% hingga 72%. Model terbaik diimplementasikan pada aplikasi web berbasis Flask yang dapat memprediksi tipe MBTI dari input teks manual maupun postingan terbaru akun X, kemudian memetakan hasilnya ke rekomendasi jurusan yang relevan. Uji coba kepada responden menunjukkan 85% merasa rekomendasi yang diberikan sesuai dengan minat dan karakter mereka. Temuan ini membuktikan bahwa analisis kepribadian berbasis machine learning dari data media sosial berpotensi menjadi alat bantu pengambilan keputusan akademik yang efektif. Kata Kunci: Analisis Kepribadian, MBTI, Rekomendasi Jurusan Kuliah, Model Algoritma, Flask.
Sistem Pendukung Keputusan Pemilihan Jurusan Berbasis Analisis MBTI Menggunakan Data Teks Media Sosial Nainggolan , Edo Ardo Febrian; Sujatmoko, Kris; Budiman, Gelar
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Ketidaksesuaian antara kepribadian mahasiswa dengan jurusan kuliah yang dipilih sering kali menyebabkan penurunan motivasi belajar, rendahnya prestasi akademik, hingga peningkatan risiko putus studi. Faktor penyebabnya antara lain kurangnya pemahaman diri, pengaruh tren atau tekanan eksternal, serta keterbatasan layanan konseling karier. Penelitian ini mengembangkan sistem rekomendasi jurusan kuliah berbasis analisis kepribadian Myers-Briggs Type Indicator (MBTI) dengan memanfaatkan data media sosial dan metode machine learning. Data dikumpulkan dari platform X (Twitter) melalui scraping akun pengguna yang mencantumkan tipe MBTI pada profil, kemudian diproses melalui tahapan pre-processing meliputi tokenisasi, penghapusan stopword, lemmatisasi, normalisasi bahasa tidak baku, dan penghapusan emoji. Fitur yang digunakan mencakup Term Frequency–Inverse Document Frequency (TF-IDF), analisis sentimen, dan distribusi topik untuk menangkap pola linguistik yang relevan. Enam algoritma machine learning diuji, yaitu XGBoost, AdaBoost, Gradient Boosting, Support Vector Machine (SVM), Complement Naive Bayes, dan Logistic Regression. Hanya algoritma SVM dengan akurasi sebesar 84% dan Logistic Regression dengan akurasi 83% yang berhasil melampaui target minimum akurasi sebesar 80%. Sementara itu, model lain seperti XGBoost, Gradient Boosting, AdaBoost, dan Complement Naive Bayes masih menunjukkan akurasi yang lebih rendah, yakni pada rentang 60% hingga 72%. Model terbaik diimplementasikan pada aplikasi web berbasis Flask yang dapat memprediksi tipe MBTI dari input teks manual maupun postingan terbaru akun X, kemudian memetakan hasilnya ke rekomendasi jurusan yang relevan. Uji coba kepada responden menunjukkan 85% merasa rekomendasi yang diberikan sesuai dengan minat dan karakter mereka. Temuan ini membuktikan bahwa analisis kepribadian berbasis machine learning dari data media sosial berpotensi menjadi alat bantu pengambilan keputusan akademik yang efektif. Kata Kunci: Analisis Kepribadian, MBTI, Rekomendasi Jurusan Kuliah, Model Algoritma, Flask.
Robust DCT-Domain Watermarking against Screen-Shooting using Improved SIFT and Adaptive Embedding with CRC+BCH Error Protection Adyansyah, Ilham; Permana, Rangga Aditia; Novamizanti, Ledya; Budiman, Gelar
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini mengusulkan sistem watermarking citra digital yang tangguh terhadap serangan screen-shooting dengan menggabungkan lokalisasi titik kunci berbasis Improved Scale-Invariant Feature Transform (I-SIFT), penyematan Dis- crete Cosine Transform (DCT) adaptif pada domain frekuensi menengah, serta pengkodean ganda CRC-8 dan BCH (63,36) untuk integritas dan koreksi kesalahan. Penyematan dilakukan pada blok 64×64 yang dipusatkan pada titik kunci I-SIFT dengan skor respons tertinggi, dengan fallback ke wilayah pusat jika jumlah titik kunci terbatas. Hasil uji pada citra standar (Zelda, Baboon, Peppers, Airplane) menunjukkan imperceptibility tinggi (PSNR rata-rata 42,39 dB) dan ketahanan penuh terhadap distorsi screen-shooting dari jarak 45–105 cm, termasuk distorsi perspektif dan noise sensor, dengan BER = 0,00 pada beberapa kondisi. Pendekatan ini mengungguli metode benchmark Fang et al. dalam hal kualitas visual dan keberhasilan pemulihan wa- termark, membuktikan efektivitas kombinasi I-SIFT, embedding adaptif, dan proteksi error ganda dalam menghadapi distorsi fisik dunia nyata. Index Terms—Robust watermarking, screen-shooting attack, SIFT, discrete cosine transform.
Co-Authors A. V. Senthil Kumar Adyansyah, Ilham Alfian Ghifari Alif, Menara Allisha Septariani Ahmad Amini, Siti Aisyah Anggi Tiovany Siregar Annida, Nurafifah Ardhiah, Aulia Arfidianti Kartika Meiza Putri Arining Pangestu Astry Novianty Aulia Wibowo Azizah Azizah Bambang Hidayat Bambang Hidayat Basudewa, Muhammad Imansyah Bayu Angga Medica Firmanda Budhi Irawan Budi Setiadi Chairunisa, Difa Cindy Angelista Deltika Dadan Nur Ramadan Daniel Gilbert Bismark Dimarta, Rafli Caesario Dimata, Rafli Caesario Doan Perdana Elsa Nur Fitri Astuti Elsa Nur Fitri Astuti Fadhlan Putra Fairuz Azmi Fajar Wahyu Satrianto Fakhrezi, Alfian Faza, Lulu Balqis Zianka Fellia Rizki Kusumowardani Fikri Adhanadi Fityanul Akhyar Fonizza Popy Wijaya Gella Aradea Putri Ghilman Hafizhan Gogi Gautama Al Hadiid Hafiz Adriansyah HANNAN HARAHAP, HANNAN Hanum, Mirza Alifia Hengki Setiadi Hilman Fauzi, Hilman I G A M Wibhu Cadu Asrawan I Nyoman Apraz Ramatryana Ifan Fadlina Anhar Ignatius, Daniel Tulus Iman Hedi Santoso Indrarini Diah Irawati Indrarini Dyah Irawati Intan Shafinaz Rahmatika Inung Wijayanto Irfan Dwi Pratama Irma Safitri Iwan Iwut Jamhari Jamhari Jangkung Raharjo Jaya, M. Izham Kadek Suryadharma KHAERUDIN SALEH Khoirul Anwar Kris Sujatmoko Ledya Novamizanti Liyana Faiza Lulud Annisa Ainun Mahmuddah Lutvi Murdiansyah Murdiansyah M Fauzan Rindra P M. Faiz Nashrullah Mahanani, Edo Lutfi Maidin, Siti Sarah Marissa Kezia Maghein Meiza Putri, Arfidianti Kartika Melati Wahyutami Mochamad Erkki Svante Nyfors Mochamad Reyhand Landrenzy Zulfikar Mohamad Iqbal Mohammad Bisma Rezady Mohammad Fadly Sulianto Mona Renasari Muhammad Alif Rizqi Hatmadiansyah Muhammad Aprianda Rahmadi Muhammad Iqbal Muhammad Iqbal Rabbani Muhammad, Zalfa Alif Nainggolan , Edo Ardo Febrian Naufal Reza Alfiandy Novialdy Nugroho Santoso Nugraeni Kholifaturrofiah Nur Andini Nur Ibrahim Nurbani Yusuf Nurwan Reza Fachrurrozi Nydia Amelinda Putri Nyoman Apraz Ramatryana Paradila I., Dela Parameswara, Prastama Agung Yusuf Pasaribu, Novalanza Grecea Permana, Rangga Aditia Prasetyo, Muhammad Putra, Afi Athallah Syamsulhadi Putri, Gisky Rahmada Putri, Reyhani Lian R. Yunendah Nur Fu’adah Raditiana Patmasari Rahadian Lintang Sinuryo Rahmawati, Aulya Ramadhan Prasetya Dahlan Ramadhani, Shinta RAMATRYANA, I NYOMAN APRAZ Ratri Dwi Atmaja Refika Oktaviani Reformatio, Fairoez Nauval Renasari, Mona RENDRAGRAHA, RENDY DWI RENDRAGRAHA, RENDY DWI Rendy Pratama Yuda Reyhani Lian Putri Rita Purnamasari Rolasris Rolasris Roma Aji Kaloko, Roma Aji Rustam Rustam Ryan Aminullah Ryan Anggara Saddan Hussein Sari, Rina Media Sasmi Hidayatul Yulianing Tyas Sa’idah, Sofia Sholichatur Rizkiyah Sholih, Ghinan Muhammad SIREGAR, RIZKY DAMARJATI SIREGAR, RIZKY DAMARJATI Siti Zahrotul Fajriyah Sofia Sa’idah SOFIA SAIDAH Suci Aulia Sugondo Hadiyoso Sulistyowati, Syifa Dwi Suryo Adhi Wibowo Syamsul Rizal Syarahbil Pawellang Syifa Maliah Rachmawati Syifa Nurgaida Yutia Tita Haryanti Triasari, Biyantika Emili Unang Sunarya Wahidin Wahidin WIBOWO, BHISMA ADI Wulanda, Ghea Aldama Yoga Sanjaya Purba Yudiansyah Yudiansyah Yugnan Adi Sasongko YULI SUN HARIYANI Yulinda Eliskar Zhao, Zhong