Article Per Year (5 Year)
p-Index From 2020 - 2025
4.405
P-Index
This Author published in this journals
All Journal Lontar Komputer: Jurnal Ilmiah Teknologi Informasi Jurnal Teknologi Informasi dan Ilmu Komputer Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) IJoICT (International Journal on Information and Communication Technology) Jurnal Teknologi dan Sistem Komputer JURNAL MEDIA INFORMATIKA BUDIDARMA Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control INTEK: Jurnal Penelitian Building of Informatics, Technology and Science Journal of Computer System and Informatics (JoSYC) Charity : Jurnal Pengabdian Masyarakat Mosharafa: Jurnal Pendidikan Matematika Prosiding Konferensi Nasional PKM-CSR eProceedings of Engineering Jurnal Abdimas Jurnal Komtika (Komputasi dan Informatika) LOGIC: Jurnal Penelitian Informatika
Irma Palupi
Universitas Telkom
Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Mathematics Nursing Public Health Social Sciences Other

Published : 49 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 49 Documents
Search

 1   2   3   4   5 
Reversible Data Hiding pada Gambar Digital dengan Sistem Otentikasi Terintegrasi Wahyudi, Bambang Ari; Palupi, Irma; Putranto, Muhammad Fadhlan
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 5: Oktober 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025125

Abstract

Reversible Data Hiding (RDH) adalah salah satu metode yang efektif dalam steganografi, yang memungkinkan penyisipan informasi ke dalam media digital, seperti gambar, dengan kemampuan untuk memulihkan data asli sepenuhnya setelah informasi yang disisipkan diekstraksi. Dengan mengkombinasikan menggunakan Personal Identification Number (PIN), pemilik karya seni dapat menjalankan proses penyisipan data, ekstraksi data, serta validasi gambar. PIN berfungsi sebagai mekanisme keamanan yang membatasi akses hanya kepada pemilik yang sah, sehingga memastikan perlindungan data serta mencegah manipulasi atau akses tidak sah terhadap karya digital. Selain itu, PIN digunakan untuk menentukan lokasi piksel yang dapat dimodifikasi pada gambar. Dataset yang digunakan adalah sepuluh gambar digital dengan ukuran piksel 720 x 1280 yang terdiri dari lima gambar digitar berwarna dan lima gambar hitam putih. Hasil pengujian sistem yang dibuat menunjukan sistem yang dibangun bekerja dengan baik dimana gambar hasil ekstraksi berkualitas baik dengan perbedaan kecil yang mungkin terlihat namun umumnya tidak mengganggu dengan nilai PSNR gambar berwarna adalah 38.076 db dan rata-rata PSNR gambar hitam putih 50.58. Sedangkan untuk pengujian SSIM nilai pengujian rata-rata 0.98 yang berarti secara struktural kedua gambar sama. Kapasitas penyimpanan informasi untuk gambar berwarna sebesar 13.05% sedangkan untuk gambar hitam putih sebesar 66.88%.   Abstract Reversible Data Hiding (RDH) is an effective method in steganography that enables the embedding of information into digital media, such as images, with the ability to fully recover the original data once the embedded information has been extracted. By integrating the use of a Personal Identification Number (PIN), the owner of a work of art can carry out the processes of data embedding, data extraction, and image validation. The PIN functions as a security mechanism that restricts access exclusively to the rightful owner, thereby ensuring data protection and preventing unauthorized manipulation or access to the digital artwork. Additionally, the PIN is employed to identify specific pixel locations that can be altered within the image. The dataset used consists of ten digital images with a resolution of 720 x 1280 pixels, consisting of five colored images and five grayscale images The results of the system evaluation indicate that the extracted images maintain high quality, with minimal differences that are generally imperceptible where the PSNR for colored images is 38.076 dB, and the average PSNR for grayscale images is 50.58 dB. Meanwhile, SSIM testing yielded an average value of 0.98, signifying that the structural similarity between the original and extracted images is nearly identical. The information storage capacity for colored images was measured at 13.05%, whereas for grayscale images, it reached 66.88%.
Pelatihan Pengolahan Data Bagi Siswa SMK Negeri 3 Bandung Jurusan Manajemen Perkantoran dan Layanan Bisnis Palupi, Irma; Puspandari, Diyas; Fitriyani, Fitriyani
Charity : Jurnal Pengabdian Masyarakat Vol. 7 No. 1 (2024): Charity - Jurnal Pengabdian Masyarakat
Publisher : PPM Universitas Telkom

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

Abstract

Selaras dengan merdeka belajar yang diluncurkan Kemendikbud, yaitu SMK sebagai pusat keunggulan, diperlukan keselarasan dengan dunia kerja yang menuntut percepatan dalam menguasi keahlian baru untuk menciptakan inovasi dalam industri. Salah satu keahlian yang perlu dimiliki lulusan adalah keahlian terkait pengolahan data seiring produksi data di hampir semua aspek yang semakin rapid dan menyeluruh di segala bidang. Sesuai dengan permasalahan mitra SMKN 3 Bandung, maka solusi yang ditawarkan adalah mengadakan pelatihan analisis data untuk keperluan perusahaan dan riset kebutuhan produk pasar. Tools yang ditawarkan adalah teknik pengolahan data menggunakan python dan library terkait. Dalam pelatihan disampaikan cara mengolah data melalui contoh data yang sesuai, lalu siswa langsung mempraktikkan cara mengolah data. Luaran dari kegiatan ini adalah pengetahuan dan keterampilan siswa agar dapat mengimplementasikannya dalam dunia kerja yang akan dihadapinya.
SCL LEAD to Improve quality of Student-Centered Learning Process in the Class of Discrete Mathematics Adiwijaya, Adiwijaya; Palupi, Irma
Mosharafa: Jurnal Pendidikan Matematika Vol. 13 No. 2 (2024): April
Publisher : Department of Mathematics Education Program IPI Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31980/mosharafa.v13i2.1947

Abstract

Semakin banyak mahasiswa yang kurang tertarik pada beberapa mata kuliah di universitas, terutama matematika. Studi ini meneliti dampak pendekatan Student-Centered Learning (SCL) dalam pembelajaran Matematika Diskrit. Kami memperkenalkan metode SCL - Lecture’s Encouragement, Assistance, and Stimulating-Deliverance (SCL LEAD) untuk meningkatkan keterampilan belajar dengan mendorong interaksi dan kerja sama mahasiswa. Penelitian ini menggunakan pendekatan kuantitatif melalui pre-test dan post-test untuk mengukur keterlibatan dan kinerja mahasiswa. Data dikumpulkan melalui observasi terstruktur, jaminan kesiapan, dan diskusi kelompok, kemudian dianalisis untuk menilai dampaknya terhadap keterampilan kognitif dan kolaboratif mahasiswa. Perbandingan antara ujian tengah dan akhir semester digunakan untuk mengukur efektivitas SCL LEAD, dengan statistik deskriptif dan inferensial untuk mengidentifikasi perubahan keterampilan dan pencapaian. Temuan menunjukkan bahwa SCL LEAD memotivasi mahasiswa untuk berpartisipasi aktif serta meningkatkan kompetensi dan kinerja dalam Matematika Diskrit, memberi wawasan berharga bagi pengembangan strategi pembelajaran berpusat pada mahasiswa di pendidikan matematika. The increasing disengagement of students in certain university courses, particularly in mathematics, is a growing concern. This study investigates the impact of the Student-Centered Learning (SCL) approach on the learning process for Discrete Mathematics. We introduce the Student-Centered Learning - Lecture’s Encouragement, Assistance, and Stimulating-Deliverance (SCL LEAD) method to enhance learning skills by fostering increased student interaction and cooperation. The study employs a quantitative approach, using pre-tests and post-tests to measure students’ engagement and performance. Data were gathered through structured observations, readiness assurance processes, and group discussions, all of which were documented and analyzed to assess their impact on students’ cognitive and collaborative skills. Comparative metrics between mid-term and final exams were used to determine the effectiveness of the SCL LEAD model, with descriptive and inferential statistics applied to identify changes in students' skills and achievements following the implementation of SCL LEAD. The findings suggest that SCL LEAD motivates active participation and enhances both competence and performance in Discrete Mathematics, offering valuable insights for advancing student-centered strategies in mathematics education.
Predicting Forest Fire Hotspots with Carbon Emission Insights Using Random Forest and Gradient Boosting Regression palupi, irma; wahyudi, bambang ari; AL Mamuda, Naila; Shabrina, Ayu
International Journal on Information and Communication Technology (IJoICT) Vol. 9 No. 2 (2023): Vol.9 No. 2 Dec 2023
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/ijoict.v9i2.865

Abstract

This research paper focuses on predicting the dispersion of carbon emissions, a crucial indicator for identifying potential forest fire hotspots in the wooded regions of Sumatra Island, Indonesia. Forest fires, often triggered by extended periods of dry weather, result in significant environmental degradation, impacting both the ecosystem and the economy. Furthermore, health concerns arise from smoke inhalation, leading to respiratory problems. To achieve this predictive capability, we harnessed valuable datasets, including GFED4.1s for carbon emissions and ERA5 for historical climate indicators, spanning from 1998 to 2022. Employing supervised learning ensemble methods, specifically Random Forest Regression (RFR) and Gradient Boosting Regression (GBR), we sought to forecast carbon emissions. It is noteworthy that our predictions encompassed carbon emission values from 1998 to 2023, providing insights into recent trends. Our analysis showed that GBR did better than RFR in terms of evaluation metrics, with a root mean square error (RMSE) of 10.87 and a mean absolute error (MAE) of 2.91. This was done by carefully tuning the hyperparameters. Additionally, our study highlighted that precipitation, temperature, and humidity were the primary climate factors influencing carbon emission values.
Efficient Queue Management System for Rumah Sehat Dokter Zoji Clinic in Cianjur Palupi, Irma; Khairi, Muhammad Daffa; Wahyudi, Bambang Ari
Jurnal Abdimas Vol. 29 No. 1 (2025): June 2025
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/eawwtv27

Abstract

This charity project aims to implement an efficient queue management system for Rumah Sehat Dokter Zoji Clinic, located in Cianjur, Indonesia. The clinic, known for its alternative and affordable healthcare services using a "pay as you wish" model, experiences high patient volumes—ranging from 300 to 500 daily on weekdays and up to 1,000 on Sundays. To address the growing demand and improve patient care, a mobile application was developed using Flutter with Firebase as the database to organize patient data and manage queue schedules effectively. The system prioritizes patients based on the severity of their conditions, categorizing them into Emergency, Severe, Moderate, and Mild levels. This prioritization ensures that those in urgent need receive prompt care, while others are integrated into the regular queue accordingly. The project also focuses on educating clinic staff and patients about the new system, recognizing varying levels of familiarity with technology. A hybrid approach to the queue system remains in place, accommodating those who prefer traditional methods. The implementation of this system is expected to streamline operations at the clinic, enhancing the overall efficiency and effectiveness of patient care delivery.
Penerapan Artificial Neural Network (ANN) untuk Prediksi Prestasi Akhir Mahasiswa Melalui Nilai Mata Kuliah Dasar Tingkat 1 Suleman, Annisa Rahmawati; Palupi, Irma
eProceedings of Engineering Vol. 10 No. 2 (2023): April 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak-Predikat kelulusan yang didapatkan mahasiswa dapat berbeda-beda tergantung dengan nilai indeks prestasi kumulatif yang didapatkannya. Pada penelitian ini, metode artificial neural network (ANN) digunakan untuk memprediksi predikat kelulusan mahasiswa berdasarkan nilai mata kuliah dasar yang telah dipelajari untuk melihat pengaruh nilai tersebut terhadap predikat kelulusan mahasiswa. Nilai mata kuliah dasar tersebut berjumlah 14 mata kuliah sebagai fitur yaitu, nilai mata kuliah kalkulus I, nilai mata kuliah kalkulus II, nilai mata kuliah matematika diskrit, nilai mata kuliah logika matematika, nilai mata kuliah dasar algoritma dan pemrograman, nilai mata kuliah matriks dan ruang vektor, nilai mata kuliah bahasa indonesia, nilai mata kuliah pendidikan kewarganegaraan , nilai mata kuliah bahasa inggris I, nilai mata kuliah bahasa inggris II, nilai mata kuliah fisika, nilai mata kuliah pengantar teknik informatika, dan nilai mata kuliah literasi TIK. Hasil menunjukkan dengan metode artificial neural network (ANN) mampu memprediksi prestasi akhir mahasiswa dengan akurasi terbaik sebesar 73%. Hal ini menunjukkan bahwa mata kuliah dasar tingkat 1 berpengaruh baik dan bisa digunakan untuk memprediksi predikat kelulusan mahasiswa.Kata kunci - artificial neural betwork, nilai, predikat, prediksi. 
Perbandingan Pembobotan Fitur TF-IDF dan TF-ABS Dalam Klasifikasi Berita Online Menggunakan Support Vector Machine (SVM) Apriani, Iklima; Sibaroni, Yuliant; Palupi, Irma
eProceedings of Engineering Vol. 10 No. 3 (2023): Juni 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak -Berita terjadi karena adanya informasi atau kabar yang berhubungan dengan fakta dan sedang terjadi untuk kemudian disampaikan kepada masyarakat. Seiring dengan perkembangan teknologi kini penyebaran informasi dilakukan melalui media sosial yaitu website yang bisa diakses dengan media dekstop ataupun handphone. Pemilihan berita untuk dimasukan pada kategori tertentu jika dilakukan oleh manusia bisa menyebabkan human eror, terlebih berita yang dipakai sangat banyak bisa menyebabkan kurang efisien. Maka dari itu, sistem klasifikasi otomatis akan menjadi solusi pada permasalahan ini. Dalam klasifikasi, fitur extraction merupakan proses dasar dalam kategorisasi yang penting untuk dilakukan dan diketahui. Fitur tersebut kemudian akan direpresentasikan kedalam bentuk vektor, nilai vektor diperoleh dari pembobotan kata. Penelitian ini membandingkan pembobotan Term Frequency - Inverse Document Frequency (TF.IDF) dan Term Frequency Absolute (TF.ABS) yang dikombinasikan dengan fitur extraction unigram dengan metode klasifikasi Support Vector Machine (SVM). Dari hasil penelitian menunjukkan pembobotan TF-IDF mendapat akurasi sebesar 96,63% dengan hasil dengan hasil f1-score mendapat 97,06%. Sedangkan pembobotan TF-ABS mendapat akurasi sebesar 89,66% dengan hasil f1-score 96,63%. Dengan menggunakan pembobotan TF-IDF dapat menaikkan akurasi sebesar 6,97%. daripada mengunakan TF-ABS.Kata kunci-berita, klasifikasi, support vector machine, TF-IDF, TF-ABS
Prediction of University Student Performance Based on Tracer Study Dataset Using Artificial Neural Network Adriani, Zahrina Aulia; Palupi, Irma
Jurnal Komtika (Komputasi dan Informatika) Vol 5 No 2 (2021)
Publisher : Universitas Muhammadiyah Magelang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31603/komtika.v5i2.5901

Abstract

In order to increase student performance, several universities use machine learning to analyze and evaluate their data so that it enables to improve the quality of education in the university. To get a new insight from the tracer study dataset as the relevance between university performance and student capability with business and industries work, the author will develop a model to predict student performance based on the tracer study dataset using Artificial Neural Network (ANN). For obtaining attributes that correspond to labels, Phi Coefficient Correlation will be used to select the attributes with high correlation as Feature Selection. The author is also performing the oversampling method using Synthetic Minority Oversampling Technique (SMOTE) because this dataset is imbalanced and evaluates the model using K-Fold Cross-Validation. According to K-Fold Cross Validation, the result shows that K = 3 has a low standard deviation of evaluation score and it's the best candidate of K to split the dataset. The average standard deviation is 0.038 for all score evaluations (Accuracy, Precision, Recall, and F-1 Score). After applied SMOTE to treating the imbalanced dataset with the data splitting 65 training data and 35 testing data, the accuracy value increases by 10% from 0.77 to 0.87.
Prediksi Menggunakan Model Fuzzy Time Series Studi Kasus Curah Hujan di Kabupaten Bandung Prasetyo, Huda Rizky; Palupi, Irma; Wahyudi, Bambang Ari
LOGIC: Jurnal Penelitian Informatika Vol. 1 No. 1 (2023): September 2023
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/logic.v1i1.6405

Abstract

Hujan dapat menimbulkan bencana apabila terjadi secara terus menerus, hujan tersebut tentunya memiliki curah hujan yang tinggi dan dapat diprediksi dengan beberapa metode. Presipitasi total merupakan salah satu faktor iklim yang dapat mengindikasikan akumulasi air hujan di atas batas aman. Model time series merupakan salah satu metode yang tepat untuk memprediksi curah hujan, karena memungkinkan untuk dapat menangkap pola musiman pada curah hujan. Pada penelitian ini, prediksi curah hujan di Kabupaten Bandung dilakukan dengan menggunakan model fuzzy time-series. Model fuzzy time series didasarkan pada logika fuzzy dan digunakan untuk menangani ketidakpastian dan ketidakjelasan yang melekat pada data cuaca. Model deret waktu fuzzy menggunakan konsep logika fuzzy untuk menangani ketidakpastian dan ketidaktepatan data deret waktu. Dataset curah hujan lokasi Kabupaten Bandung yang diperoleh dari ERA 5 tahun 1978-2020, akan digunakan sebagai data latih untuk membangun model dan pengujian. Kemudian hasil prediksi dibandingkan dengan hasil yang diperoleh dari model SARIMA. Perbandingan tersebut menunjukkan bahwa model deret waktu fuzzy merupakan pendekatan yang menjanjikan untuk meramalkan curah hujan karena menghasilkan skor kesalahan yang lebih kecil dari pada hasil prediksi dengan model SARIMA.
Co-Authors Aditya Ramadhan Adiwijaya Adriani, Zahrina Aulia AL Mamuda, Naila Andri Saputra Anton Sri Haryanto Apriani, Iklima Ardhia Pringgowati Ayu Shabrina Ayu Shabrina Aziz, Kemal Bambang Ari Wahyudi Brigita Tenggehi Deni Saepudin Diah Fitri Wulandari Diani Sarah Kamilial Diani Sarah Kamilial Diyas Puspandari Erwin Budi Setiawan Fauzi Dzulfiqar Wibowo Firdaus Maringga Firdaus Maringga Firdaus Maringga Fitriyani Fitriyani Haikal, Muhamad Fachri Hamonangan, Ricardo Harry Susilodharma Husain Athfal Hidayat I Wayan Ade Sugisnawan Dandysmara I Wayan Ade Sugisnawan Dandysmara Indra Utama Sitorus Indwiarti Iryanto Iryanto Jondri Jondri Khairi, Muhammad Daffa Mahmud Imrona Megi Rahma Dony Muh. Arfan Arsyad Muhammad Faizal Muhammad Saddam Salsabillah Muhammad Saddam Salsabillah Muhammad Saddam Salsabillah Naila Al Mahmuda Naila AL Mamuda Ni Putu Winda Ardiyanti Nur Roza Fitriyana Nurul Ikhsan Panuluh, Bagus Prasetyo, Huda Rizky Priscilia Lovita Paelongan Putranto, Muhammad Fadhlan Putu Harry Gunawan Rian Febrian Umbara Rinaldi Wibiyanto Riyadi Lazuardi Sirait Rohidi Rohidi Sadewa, I Made Aditya Putra Satrio, M Siti Saadah Suleman, Annisa Rahmawati varid vaya yusuf Wibowo, Muhammad Raihan Yuliant Sibaroni