Article Per Year (5 Year)
p-Index From 2020 - 2025
3.982
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering JUITA : Jurnal Informatika ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING JURNAL LENTERA : Kajian Keagamaan, Keilmuan dan Teknologi MIND (Multimedia Artificial Intelligent Networking Database) Journal TESLA: Jurnal Teknik Elektro Jurnal Tekinkom (Teknik Informasi dan Komputer) Jurnal Teknik Informatika (JUTIF) Almufi Jurnal Pengabdian kepada Masyarakat eProceedings of Engineering
Nur Ibrahim
Telkom University
Religion Humanities Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Social Sciences Other

Published : 60 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 30 Documents
Search
Journal : eProceedings of Engineering

 1   2   3 
Analisis Performansi Teknik Gabungan Discrete Wavelet Transform, Discrete Sine Transform, Dan Qr Decomposition Pada Audio Watermarking Stereo Dengan Compressive Sampling Syifa Maliah Rachmawati; Gelar Budiman; Nur Ibrahim
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

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

Abstract

ABSTRAK Teknik watermarking perlu dikembangkan seiring kemajuan teknologi dan informasi. Audio watermarking memiliki kriteria utama meliputi imperceptibility dan robustness. Oleh karena itu, sangat penting mengetahui metode watermarking yang terbaik yang tahan terhadap berbagai serangan pemrosesan sinyal diiringi dengan kualitas audio yang baik ketika diperdengarkan kepada manusia. Penelitian ini merancang audio watermarking dengan gabungan metode Discrete Wavelet Transformation, Discrete Sine Transformation, dan QR Decomposition. Compressive Sampling digunakan untuk mengkompresi data watermark sehingga saat disisipkan kapasitas pada sinyal host meningkat. Teknik penyisipan yang digunakan adalah Quantization Index Modulation. Sistem audio watermarking yang dilakukan dalam penelitian ini menghasilkan kualitas audio dengan rata-rata SNR sebesar 26.96 dB, rata-rata BER 0.18, rata-rata ODG -1.1, dan MOS 4.2 terhadap seluruh genre audio yang diujikan. Kata Kunci: Discrete Wavelet Transformation, Discrete Sine Transformation, QR Decomposition, Compressive Sampling, Audio Watermarking ABSTRACT Watermarking techniques need to be developed along with advances in technology and information. Audio watermarking has the main criteria of imperceptibility and robustness. Therefore, it is important to know the best watermarking method that is robust to various signal processing attacks accompanied by good audio quality when played to humans.This research designs audio watermarking with a combination of Discrete Wavelet Transformation, Discrete Sine Transformation, and QR Decomposition methods. Compressive sampling is used to compress the watermark data so that during the embedding process, the capacity of the host signal increases. The insertion technique used is Quantization Index Modulation.The audio watermarking system performed in this study produces audio quality with an average SNR of 26.96 dB, average BER 0.18, average ODG -1.13, and MOS 4.2 against all audio genres tested. Keywords: Discrete Wavelet Transform, Discrete Sine Transform, QR Decomposition, Compressive Sampling, Audio Watermarking
Perancangan Dan Analisis Compressive Sampling Pada Audio Watermarking Stereo Berbasis Discrete Sine Transform Dengan Metode Hybrid Lifting Wavelet Transform Dan Cepstrum Ramadhan Prasetya Dahlan; Gelar Budiman; Nur Ibrahim
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

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

Abstract

ABSTRAK Seiring dengan perkembangan jaringan internet dan teknologi media mengakibatkan penyebaran informasi berupa data, teks, video, gambar, dan audio menjadi sangat mudah untuk dimodifikasi secara ilegal. Dengan masalah tersebut untuk menjaga hak kepemilikan data digital diperlukan teknik digital watermark. Makalah ini akan menggunakan beberapa metode watermarking dan menggabungkan metode tersebut untuk melindungi data digital, metode yang digunakan adalah LWT (Lifting Wavelet Transform), Cepstrum, DST (Discrete Sine Transform) dalam audio stereo dengan CS (Compressive Sampling) menggunakan teknik penyisipan SMM (Statistical Mean Manipulation) dan QIM (Quantization Index Modulation). Audio asli dan watermark akan diubah menjadi beberapa sub-band tertentu oleh LWT. Kemudian hasil dari pemilihan sub-band LWT akan digunakan untuk transformasi cepstrum. Kemudian dilakukan transformasi DST dari hasil keluaran cepstrum. Setelah proses penyisipan, CS akan mengkompresi data dan gambar direkonstruksi secara tepat untuk dapat melakukan transformasi yang lebih cepat. Metode tersebut dipilih karena data watermark yang disisipkan kuat terhadap serangan seperti linear speed change dan TSM, namun kurang tahan terhadap serangan seperti resampling, pitch shifting, echo, dan noise. Hasil dalam penelitian ini menghasilkan kualitas audio dengan memiliki rata-rata BER 0.36651, rata-rata SNR 28.87 dB, rata-rata ODG -2.86832, dan rata-rata MOS 4.08. Kata Kunci: Digital Watermarking, LWT, DST, Cepstrum, Compressive Sampling. ABSTRACT Along with the development of internet network and multimedia technology resulted in the deployment of information in the form of data, texts, videos, images, and audios become easier to modify it illegally. So with this problem to maintain digital ownership rights it is required digital watermarking techniques. This paper propose to protect the digital watermarked data with combining several methods i.e. LWT-Cepstrum-DST in a stereo audio with Compressive Sampling (CS) and the embedding process in this paper is used Statistical Mean Manipulation (SMM) and Quantization Index Modulation (QIM). The original audio and watermark will be transformed into some spesific sub-band by LWT. Then, it uses to transform with cepstrum. DST will be transform the output cepstrum. After embedding process, compressive sampling will be compressing the data and proper reconstruction image for faster transformation. Those methods selected because the watermarked data is robust against attacks such as linear speed change and TSM, but less robust against attacks such as resampling, pitch shifting, echo, and noise. The result shows that in this paper produces audio quality with an average SNR of 28.87 dB, average BER 0.36651, average ODG -2.86832, and MOS 4.08 against all audio genres tested. Keywords : Digital Watermarking, LWT, DST, Cepstrum, Compressive Sampling
Estimasi Bobot Karkas Domba Berdasarkan Metode Deformable Template Dan Klasifikasi Support Vector Machine Andrean David Chrismadandi; Bambang Hidayat; Nur Ibrahim
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Domba merupakan salah satu hewan ternak yang banyak dimanfaatkan oleh manusia. Bagian tubuh domba yang sering dimanfaatkan oleh manusia untuk bahan pangan adalah pada bagian daging atau biasa disebut karkas. Karkas domba sendiri merupakan berat daging yang dimanfaatkan diluar dari berat organ, kaki, ekor, dan kepala. Pada zaman ini pengukuran berat dari karkas domba masih dilakukan dengan cara konvensional seperti penimbangan secara langsung dengan timbangan dan melalui tafsiran si pembeli atau si penjual domba tersebut. Pada kedua cara diatas masih terdapat kendala yang dapat dialami oleh pembeli domba yang masih awam yang mengakibatkan kerugian. Berkembangnya teknologi informasi dan komunikasi memberi terobosan baru dalam membantu proses penimbangan domba dengan menggunakan pengolahan citra digital. Dalam tugas akhir ini dibuat suatu sistem yang dapat mengestimasi bobot karkas domba dengan pengolahan citra digital. Secara umum cara kerja dari pengolahan citra digital adalah dengan untuk memisahkan citra ternak domba dari latar belakang dan menghilangkan objek yang bersifat pengganggu disekitar domba, selanjutnya dilakukan tahap identifikasi untuk mendapatkan ukuran pajang badan serta lingkar dada ternak domba, dan pada tahap terakhir melakukan proses komputasi untuk menghitung bobot karkas ternak domba. Pada aplikasi ini menerapkan rumus Ardjodarmoko untuk perhitungan berat karkas domba. Metode segmentasi citra yang digunakan adalah metode Deformable Template. Hasil dari segmentasi citra akan melalui proses ekstrasi ciri yang kemudian diklasifikasikan menggunakan Multiclass Support Vector Machine (SVM) menjadi tiga kelas. Domba yang dijadikan sample berjumlah 24 ekor. Penelitian ini menggunakan 3 kelas dalam mengklasifikasi berat karkas domba yaitu kelas kecil, sedang dan besar. Rata-rata selisih antara berat karkas domba hasil pengolahan citra dengan berat karkas domba sesungguhnya yaitu 1.72 kg . Hasil akurasi kelas pada penelitian ini sebesar 88.89%. Kata Kunci : Karkas Domba, Deformable Template, SVM Multiclass Abstract Sheep is one of the many farm animals used by humans. Parts of the body of the sheep is often used by humans for food is on the meat or so-called carcass. The sheep’s carcass itself is weight of meat used outside the weight of organs, legs, tail and head. At this time the weight measurement of sheep’s carcass is still done in a conventional way such as weighing scales directly with the scales and through the interpretation of the buyer or the seller of the sheep. In both ways above there are still obstacles that can be happened to the buyer of sheep who still lay that cause losses. The development of information and communication technology gave a new breakthrough in helping the process of weighing the sheep by using digital image processing. In this final project is made a system that can estimate sheep carcass weight by digital image processing. In general, the workings of digital image processing is to separate the image of sheep from the background and eliminate objects that are disturbing around the sheep, then the identification stage is done to get the size of the body and the chest circumference of sheep, and at the last stage do the computation calculate the carcass weight of sheep. In this application apply the Ardjodarmoko formula for calculating the weight of sheep carcasses. Image segmentation method used is Deformable Template method. The results of image segmentation will go through a feature extraction process which is then classified using the Multiclass Support Vector Machine (SVM) into three classes. The number of sheep in the sample is 24. This study uses 3 classes in classifying the weight of sheep carcasses, namely small, medium and large classes. The average difference between sheep carcass weight from image processing with actual sheep carcass weight is 1.72 kg. Class accuracy results in this study amounted to 88.89%. Keywords: Sheep’s Carcass, Deformable Templates, SVM multiclass
Estimasi Bobot Karkas Ternak Domba Berdasarkan Metode Geometric Active Contour Dan Klasifikasi Decision Tree Krisma Asmoro; Bambang Hidayat; Nur Ibrahim
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Domba merupakan hewan ternak banyak dikonsumsi oleh masyarakat di Indonesia. Permintaan akan karkas domba atau kambing terus meningkat dari waktu ke waktu. Karkas kambing atau domba adalah berat daging tanpa kepala, kaki, organ dalam, dan ekor. Maraknya kecurangan yang dilakukan oleh penjual dengan membuat domba ‘gelonggongan’ membuat pembeli merasa tidak aman untuk membeli domba. Pembeli tidak akan mudah terkecoh dengan domba ‘gelonggongan’ jika pembeli sudah berpengalaman membeli domba, akan tetapi sangat sulit jika pembeli yang belum memiliki pengalaman dalam membeli domba dan menimbulkan potensi kerugian pada pembeli. Pengolahan citra digital akan diimplementasikan untuk membuat suatu sistem untuk mengatasi masalah estimasi berat karkas domba.Pengolahan citra digital digunakan untuk mengetahui ukuran fisik tubuh domba. Active Geometry Contour merupakan metode yang digunakan untuk segmentasi citra, sedangkan Decision Tree merupakan metode yang akan digunakan sebagai metode utnuk klasifikasi daripada berat karkas domba. Rumus estimasi bobot badan domba yang digunakan merupakan rumus dari Arjodarmoko (1975) . Domba yang dijadikan sample, berjumlah 26. Penelitian ini diharapkan akan memudahkan orang dalam menentukan berat badan dari karkas domba, dengan hanya mengambil citra dari domba yang akan ditentukan berat badannya. Akurasi bobot yang didapatkan sebesar 73,8226% dan akurasi kelas sebesar 74,359%. Kata Kunci : Karkas Domba, Geometric Active Contour, Decision Tree Abstract Sheeps are livestock widely consumed by people in Indonesia. The demand for sheep or goat carcasses continues to increase over time. Goat or sheep carcasses are the weight of headless flesh, legs, internal organs, and tails. The rise of fraud committed by sellers by making sheeps looks fat by giving them a lot of water (often called ‘fake’ sheep), makes buyers feel unsafe to buy sheep.Buyers will not be easily fooled by ‘fake’ sheep if the buyer has experienced buying sheep, but it is very difficult if the buyer who has not had experience in buying sheep and cause potential loss to the buyer. Digital image processing will be implemented to create a system to overcome the problem of weight estimation of sheep carcass. Digital image processing is used to determine the physical size of the body of a sheep. In general, the system divided into 5 processes, namely: the acquisition of sheep image; Pre-Processing the image of sheep; Segmentation of sheep image; Feature extraction; and classification. Active Geometry Contour is a method that used for feature extraction, whereas Decision Tree is a method is used as a method of classification rather than weight of sheep carcass. The estimation formula of sheep body weight that used in this final project is the formula from Arjodarmoko (1975). The amount of the sheep that have been used as a sample at this system is 26 sheeps . This study is expected to facilitate people in determining the weight of sheep carcasses, by capturing the image of the sheep. The accuracy of weight is 73,8226% and the accuracy of classification is 74,359%. . Keywords : Sheep Carcass, Geometric Active Contour, Decision Tree
Estimasi Bobot Ternak Karkas Domba Berdasarkan Metode Segmentasi Snake Dan Klasifikasi Learning Vector Quantization Fanny Oksa Salindri; Bambang Hidayat; Nur Ibrahim
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Domba merupakan salah satu hewan ternak yang banyak dimanfaatkan oleh masyarakat Indonesia bahkan dunia. Karkas menjadi salah satu bagian penting yang dapat dimanfaatkan pada domba khususnya domba pedaging. Karkas adalah berat daging hewan ternak tanpa kepala, ekor, kaki dan organ dalam. Saat ini, peternak menggunakan timbangan konvensional untuk mengukur berat dari ternak domba, namun hal ini masih memiliki beberapa kendala. Terbatasnya jumlah timbangan konvensional yang dimiliki peternak menjadi kendala pada proses pengukuran berat badan. Untuk mengatasi masalah tersebut, solusi yang dapat dilakukan adalah dengan cara pengaplikasian menggunakan pengolahan citra digital untuk mengetahui keakuratan timbangan karkas pada domba. Pengolahan citra digital diproses dengan menggunakan algoritma yang dapat mengenali suatu objek. Proses tersebut diharapkan dapat mengestimasi bobot karkas domba agar lebih efektif dan efisien. Tugas akhir ini bertujuan untuk merancang dan menerapkan aplikasi melalui teknik pengolahan citra digital yang dapat memprediksi berat karkas domba. Metode yang digunakan pada tugas akhir adalah Segmentasi Snake dan klasifikasi Learning Vector Quantization (LVQ). Kalkulasi karkas domba akan diuji dengan menggunakan rumus Ardjodarmoko yang merupakan penyempurnaan dari rumus Winter. Penelitian Tugas Akhir ini mempunyai sample sebanyak 300 data domba dengan jumlah data latih 175 citra dan jumlah data uji 125 citra. Parameter terbaik yang digunakan yaitu ratio 0.4, iterasi metode snake 100, hidden layer 30, dan epoch 300. Gabungan dari metode Segmentasi Snake dan klasifikasi Learning Vector Quantization (LVQ) menggunakan pengolahan citra digital dapat menghasilkan suatu sistem yang memiliki akurasi estimasi bobot karkas domba sekitar 76% dengan Standar Deviasi (STD) kilogram errornya senilai 1 Kg dan waktu komputasi 20.88 detik. Kata kunci: Karkas Domba, Klasifikasi Learning Vector Quantization (LVQ), Segmentasi Snake Abstract Sheep is one of livestock that is widely used by the people of Indonesia and even the world. Carcass become one of the important parts that can be used in sheep especially sheep cattle. Carcass is the weight of cattle without head, tail, legs and internal organs. Nowadays, people using conventional scale to measure the weight of a sheep cattle, however this method still have some problems. The limited number of conventional scale that farmers have become a problem in the process of weight measurement. To overcome the problem, the solution that can be done is by applying using digital image processing to know the accuracy of carcass scales on sheep. Digital image processing is processed using algorithms that can recognize an object. The process is expected to estimate sheep carcass weight to be more effective and efficient. This final project aims to design and implement applications through digital image processing techniques that can predict the weight of sheep carcass. The method used in this final project is Snake Segmentation and Learning Vector Quantization (LVQ) classification. The calculation of sheep carcass will be tested using Ardjodarmoko formula which is a refinement of the Winter formula. This final project has sample of 300 sheep data with 175 image training data and 125 image test data. The best parameters used are ratio 0.4, iteration of Snake is 100, hidden layer is 30, and eoch is 300. The combination of the Snake Segmentation method and the Learning Vector Quantization (LVQ) classification using digital image processing can produce a system that has an accuracy of sheep carcass weight estimation of about 76% with the Standard Deviation (STD) kilogram error is 1 Kg and computation time is 20.88 seconds. Keywords: Sheep Carcass, Learning Vector Quantization (LVQ) Classification, Snake Segmentation
Klasifikasi Bobot Karkas Domba Berdasarkan Metode Fractal Dan Klasifikasi K-nearest Neighbor Annisa Adlina Mulyaningrum; Bambang Hidayat; Nur Ibrahim
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Domba adalah hewan ternak yang banyak dimanfaatkan oleh masyarakat di indonesia. Salah satu pemanfaatan dari domba adalah karkas domba, dimana permintaannya terus meningkat dari waktu ke waktu. Karkas domba adalah berat bersih daging tanpa kepala, kaki, organ dalam dan juga ekor. Saat ini penimbangan terhadap domba masih di lakukan secara manual, yaitu dengan cara menggendong hewan tersebut, menduga dengan cara melihatnya dan menduga secara subjektif. Karena rentan bobot domba tersebut memiliki berat di bawah 40 kg. Namun cara tersebut hanya berlaku untuk pembeli yang sudah berpengalaman, namun berpotensi merugikan pembeli amatir atau baru. Image processing atau pengolahan citra digital diimplementasikan untuk membantu mengestimasi bobot karkas domba. Untuk mendapatkannya pengolahan citra di lakukan dengan cara memisahkan tubuh domba dengan background. Setelah itu, proses identifikasi untuk mendapatkan ukuran fisik (lingkar dada dan panjang badan). Tugas akhir ini bertujuan untuk merancang sistem berbasis Matlab, berfungsi mempermudah klasifikasi karkas domba menjadi 3 kelas bagian, membuktikan rumus perhitungan Ardjodarmoko dapat digunakan untuk estimasi karkas domba. Pertama sistem akan melakukan ekstraksi ciri untuk mendapatkan informasi di dalam citra menggunakan metode Fractal. Setelah didapatkan ciri citra, kemudian akan diklasifikasikan dengan metode jarak terdekat atau K-Nearest Neighbor yang kemudian akan dikelompokan sesuai kelasnya besar, sedang, dan kecil. Dari hasil pengujian diperoleh nilai akurasi sistem sebesar 83,33% dengan waktu komputasi 0,49 detik, menggunakan metode ekstraksi ciri Fractal dengan jumlah matriks ciri sama dengan 6, parameter s =[2 4 8 16 32 64]. Sedangkan proses klasifikasi K-Nearest Neighbor aturan jarak paling baik yang digunakan adalah euclidean yang menghasilkan nilai akurasi terbaik 83,33% dengan parameter terbaik pada nilai K=1, dan sistem memiliki tingkat error sebesar 16, 67%. Kata Kunci : Karkas Domba,Fractal, K-Nearest Neighbor(KNN)
Perancangan Sistem Untuk Analisis Sinyal Gelombang Otak Pada Gamer Berbasis Eeg Dengan Menggunakan Metode Discrete Wavelet Transform Dan K-neirest Neighbour Kevin Aglianry; Iwan Iwut Tritoasmoro; Nur Ibrahim
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Bermain video game memiliki dampak baik dan buruk pada otak manusia terutama dari segi perhatian, emosi dan kognitif. Dewasa ini banyak penelitian mengenai sinyal otak dengan menggunakan Electroencephalography (EEG). EEG merupakan suatu metode untuk merekam aktifitas elektron otak dengan output berupa grafik yang memuat informasi tentang aktifitas yang terjadi di otak. Sinyal otak yang terekam di EEG dipengaruhi oleh jutaan neuron di otak yang secara terus menerus berubah-ubah berdasarkan aktifitas yang dilakukan atau emosi yang dialami. Pada penelitian ini dilakukan analisa aktifitas otak dengan menggunakan EEG terhadap orang yang sedang bermain game dan membaca buku kemudian akan dibandingkan dengan data latih kondisi berkonsentrasi dan tidak berkonsentrasi dengan menggunakan klasifikasi KNN. Sinyal yang diklasifikasi merupakan sinyal yang telah melalui beberapa proses, yaitu preprocessing dan ekstraksi ciri menggunakan Discrete Wavelet Transform (DWT). Pada penelitian ini didapatkan hasil pengujian konsentrasi yang menghasilkan kanal terbaik adalah kanal TP9 pada kondisi bermain game dengan akurasi mencapai angka sebesar 55.56% untuk sinyal alfa dan 77.78% untuk sinyal beta, sedangkan pada kondisi membaca koran menghasilkan kanal terbaik adalah TP9 dengan akurasi mencapai angka tersebsar 88.89% untuk sinyal alfa dan 88.89% untuk sinyal beta. Kata Kunci : Video game, Electroencephalography, Discrete Wavelet Transform , K-Nearest Neighbor. Abstract Playing video games has a positive and negative effects to the human brain, especially in terms of attention, emotion and cognition. Today a lot of research on brainwave using Electroencephalography (EEG). EEG is a method to record electrical activity of the human brain, the output of EEG is a graph that contains a lot of information about the activities that occur in the brain. Brain signals recorded in an EEG influenced by the millions of neurons in the brain that is constantly changing based on activities performed or emotions experienced. In this research, the analysis of brain activity by using EEG on people who are playing games and reading the book then will be compared with the data train concentrate conditions and not concentrate by using the classification KNN. The classified signal is a signal that has been through several processes, namely preprocessing and feature extraction using Discrete Wavelet Transform (DWT). In This research’s obtained result concentration testing produced the best channel TP9 on condition accuracy played games is 55.56% for alpha signal and 77.78% for beta signal, then based on condition reading the newspaper testing produced the best channel TP9 with accuracy is 88.89% for alpha signal and 88.89% for beta signal. Keywords : Video game, Electroencephalography, Discrete Wavelet Transform, K-Neaerst Neighbor.
Deteksi Posisi Penyisipan Dengan Metode Discretefourier Transform Untuk File Audio Wav Yang Tersisipipesan Secara Psychoacoustics : Insertion Position Detection With Discrete Fouriertransform Method For A Wav Audio Files Which Isconserved Psychoacoustic Asyraf Fakhri; Iwan Iwut Tritoasmoro; Nur Ibrahim
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Seiring dengan perkembangan pertukaran informasi yang semakin lama semakin membutuhkan privasi, maka keamanan dan kerahasiaan sebuah pesan informasi sangat perlu diperhatikan. Maka dari itu diperlukan suaru cara untuk menyisipkan pesan yang membawa informasi kedalam media cover tertentu contohnya audio dan video, cara tersebut salah satunya dengan menggunakan steganografi Perkembangan steganografi yang sangat pesat menyebabkan diperlukannya suatu cara untuk mengawasi suatu pertukaran data. Cara tersebut dapat dilakukan dengan menggunakan metode steganalisis. Steganalisis merupakan salah satu solusi yang dapat digunakan untuk mengawasi pendistribusian informasi yang memiliki pesan tersembunyi dan juga berfungsi sebagai mengidentifikasi paket yang dicurigai membawa pesan rahasia. Dalam penelitian tugas akhir ini dilakukan analisis terhadap nilai-nilai statistik yang dimiliki suatu berkas audio yang memiliki format .wav yang meliputi nilai: adanya pesan dan posisi pesan.. Proses steganalisis tersebut menggunakan Discrete Fourier Transform (DFT) dengan klasifikasi K-Nearest Neighbour (K-NN) dan dapat mendeteksi pesan tersembunyi secara psychoacoustics dalam file audio yang dimasukkan dengan tingkat akurasi terbaik sistem metode DFT dan klasifikasi K-NN sebesar 100% untuk deteksi pesan, dan 75,56 % untuk deteksi posisi. Penelitian ini diharapkan dapat dimanfaatkan oleh pihak yang berkepentingan untuk mendeteksi pesan tersembunyi sehingga tidak ada penyalahgunaan pertukaran informasi. Kata Kunci: Steganografi, Steganalsis, Discrete Fourier Transform (DFT), K-Nearest Neighbour (K-NN) Abstract Along with the development of information exchange that increasingly requires privacy, the security and confidentiality of an information message is very important. Therefore it is needed a way to insert messages that carry information into certain media coverings, for example audio and video, one of which is using steganography The development of very rapid steganography causes the need for a way to monitor a data exchange. This method can be done using the steganalysis method. Steganalysis is one solution that can be used to oversee the distribution of information that has hidden messages and also functions as identifying packets suspected of carrying confidential messages. In this final project, an analysis of the statistical values possessed by an audio file that has the .wav format includes the following values: message and message position. The steganalysis process uses Discrete Fourier Transform (DFT) with classi fi cation using K-Nearest Neighbour (K-NN) and can detect hidden psychoacoustics messages in the inserted audio file with the best level of accuracy in the DFT method and K-NN classi fi cation of 100% for message detection, and 75.56% for position detection. This research is expected to be utilized by interested parties to detect hidden messages so that there is no misuse of information exchange. Keywords: Steganography, Steganalysis, , Discrete Fourier Transform (DFT), K-Nearest Neighbour (K-NN)
Deteksi Kondisi Penggunaan Vape Dilihat Dari Aktivitas Otak Menggunakan Eeg Dengan Metode Self Organizing Map (som) Faturachman Faturachman; Inung Wijayanto; Nur Ibrahim
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Nikotin merupakan zat adiktif yang pada umumnya dijumpai pada kandungan rokok. Kandungan Nikotin ini yang dapat membuat seseorang menjadi kecanduan. Rokok sendiri ada dua jenis, yaitu rokok konvensional dan rokok elektrik. Rokok Elektrik atau sering disebut dengan vape merupakan cara baru untuk seseorang melakukan kegiatan perokok, namun yang dihasilkan dari sisa pembakaran bukanlah asap, melainkan uap air hasil dari penguapan liquid pada vape.. Pada penelitian ini penulis membuat suatu aplikasi berbasis MATLAB menggunakan metode Electroencepalograph (EEG) untuk ekstraksi ciri dengan klasifikasi Self Orginzing Maps (SOM) yang menganalisa sinyal beta dan gamma pada otak manusia untuk mengetahui keadaan otaknya. Pada tugas akhir ini, telah dilakukan analisa sinyal beta dan gamma pada otak manusia untuk mengetahui keadaan otaknya. Dengan menggunakan EEG 4 kanal sebagai alat pendeteksi sinyal otak dan metode yang digunakan pada penelitian ini adalah metode Self Organizing Maps (SOM). Hasil persentase akurasi tertinggi yang didapatkan adalah 62,5%. Kata Kunci : vape, Electroencephalography (EEG), Self-Organizing Map (SOM) , nikotin, beta, gamma, otak Abstract Nicotine is an addictive substance that is commonly found in the content of cigarettes. This nicotine content can make someone addicted. Cigarettes themselves are of two types, namely conventional cigarettes and electric cigarettes. Electric Cigarette or often referred to as vape is a new way for someone to do smoker activities, but what is produced from the rest of the combustion is not smoke, but rather water vapor resulting from liquid evaporation on the vape. In this study the authors constructed a MATLAB-based application using the Electroencepalograph (EEG) method for feature extraction with the Self Orginzing Maps (SOM) classification. The purpose of this final project is to determine the form of beta and gamma signals in a person's brain. In this final project, an analysis of beta and gamma signals in the human brain has been carried out to determine the state of the brain. By using a 4 channel EEG as a brain signal detector and the method used in this study is the Self Organizing Maps (SOM) method. The highest percetage result obtained were 62,5%. Keywords : Video game, Electroencephalography, Discrete Wavelet Transform, K-Neaerst Neighbor.
Deteksi Posisi Pesan Rahasia Pada Citra Steganografi Berbasis Lsb Menggunakan Discrete Wavelet Transform Dan Klasifikasi Svm Anindita Fitriani; Iwan Iwut Tritoasmoro; Nur Ibrahim
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Pada zaman di era globalisasi ini, perkembangan teknologi dan informasi sudah semakin meningkat. Seiring perkembangan teknologi yang semakin meningkat ini, kondisi privasi setiap orang semakin berkurang, sedangkan kebutuhan privasi setiap orang harus tetap dipertahankan. Oleh karena itu, dibutuhkan sebuah teknik untuk menyembunyikan suatu pesan rahasia ke dalam sebuah media. Teknik tersebut dinamakan steganography. steganography mempunyai efek negatif dimana seseorang memanfaatkan teknik Steganography tersebut untuk disalahgunakan dan tidak bertanggung jawab. Oleh karena itu, terciptalah sebuah teknik untuk menyerang teknik steganography itu sendiri yang dinamakan steganalysis. Tujuan dari steganalysis itu sendiri adalah untuk mengetahui ada atau tidaknya pesan yang tersisipi pada suatu media. Pada penelitian kali meancang system steganalisis untuk dengan menggunakan metode DWT dan klasifikasi SVM untuk mendeteksi ada tidaknya pesan tersisipi serta letak posisi sisipan dan volume pesan rahasia dengan metode windowing. Kata Kunci: Steganografi, Steganalisis, DWT, SVM, Windowing Abstract In this era of globalization, the development of technology and information has increased. As the development of technology is increasing, the condition of each person's privacy is diminishing, while the privacy needs of each person must be maintained. Therefore, a technique is needed to hide a secret message into a media. This technique is called steganography. steganography has a negative effect where one uses the Steganography technique to be misused and irresponsible. Therefore, a technique for attacking the steganography technique itself is called steganalysis. The purpose of steganalysis itself is to find out whether or not the message is inserted in a media. In this research, I designed the steganalysis system to use the DWT method and SVM classification to detect the presence or absence of messages inserted in and the position of the insertion and volume of the secret message with windowing method. Keywords: Steganography, Steganalysis, DWT,SVM, Windowing
Co-Authors Abdul Hafiz Suherman Adhi Irianto Mastur, Adhi Irianto Afifah Amatulla Suaib Andrean David Chrismadandi Anindita Fitriani Annisa Adlina Mulyaningrum Annisa Bianca Hayuningtyas Ari Ashari Jaelani Asyraf Fakhri AZIZAH AULIA RAHMAN BACHERAMSYAH, TASYA FIKRIYAH Bambang Hidayat Bambang Hidayat Begita Wahyuningtyas Carudin, Carudin Citra Marshela Danish Ario Wirawan Denis Ramadana Efri Suhartono Eka Wulandari Fajar Dwi Septria Fanny Oksa Salindri Faturachman Faturachman Fiky Yosef Supratman Firdaus, Muhammad Ilham Zuhruf Frisnanda Aditya Galuh Lintang Permatasari Gelar Budiman HAFIZHANA, YASQI HANAFI, FANIESA SAUFANA Heri Syahrian Heri Syahrian, Heri Hilman Fauzi, Hilman Hurianti Vidya Ibnu Da’wan Salim Ubaidah Ilva Herdayanti Inung Wijayanto Iqbal Afriadi Irma Safitri Iwan Iwut Tritoasmoro Iwan Iwut Tritosmoro Jangkung Raharjo Kevin Aglianry KHAERUDIN SALEH Koredianto Usman Krisma Asmoro Ledya Novamizanti LESTARY, GITA AYU Mas, Muhammad Sabri Muh, Ipnu Udjie Hasiru Muh. Gazali Saleh Muhammad Khais Prayoga Muhammad Rizqi Rahmawan Muthia Syafika Haq, Muthia Syafika Nabila Herman Nasywan Azrial Fariqin NOR CAECAR KUMALASARI Nor Kumalasari Caecar Pratiwi Nur Fu'adah, R. Yunendah PRAMUDITHO, MUHAMMAD ADNAN PRATIWI, NOR KUMALASARI CAESAR R. Yunendah Nur Fu’adah Rahma Nur Auliasari Ramadhan Prasetya Dahlan Ramdhan Nugraha Reyhan Ivandhani Reza Yudistira Rezki Diar Amelia Rita Magdalena Rita Purnamasari Rustam Sa’idah, Sofia Satrio Ardhimasetyo SISLY DESTRI AGUSTIN Sjafril Darana SOFIA SAIDAH SY, NIDAAN KHOFIYA Syamsu Rizal Syamsul Rizal Syamsul Rizal Syifa Maliah Rachmawati TALININGSING, FAUZI FRAHMA UBAIDULLAH, IBNU DAWAN Vidiya Rossa Atfira Vidya, Hurianti Vitria Puspitasari Rahadi Vitria Puspitasari Rahadi WIDIANTO, MOCHAMMAD HALDI Yasman, Fudhla Ramadhana YOGASWARA, HERLAMBANG Yusup, Dadang