Claim Missing Document
Check
Articles

Found 6 Documents
Search

ANALISIS INTEGRITAS DATA PADA KRIPTOGRAFI CITRA DIGITAL MENGGUNAKAN PENGGABUNGAN ARNOLD’S CAT MAP DAN BERNOULLI MAP Ruddy J Suhatril; Rama Dian Syah
Jurnal Ilmiah KOMPUTASI Vol 19, No 1 (2020): Maret
Publisher : STMIK JAKARTA STI&K

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

Abstract

Kriptografi merupakan teknik untuk keamanan data. Perubahan data terenkripsi mungkin terjadi pada saat pengiriman data melalui internet oleh pihak lain. Integritas data diperlukan untuk menghindari hal tersebut. Analisis integritas data diterapkan pada kriptografi citra digital untuk menguji keamanan suatu algoritma kritptografi. Metode kriptografi pada penelitian ini yaitu mengimplementasikan penggabungan algoritma Arnold?s Cat Map dan Bernoulli Map. Pengujian integritas data dilakukan dengan melihat hasil proses dekripsi dari sebuah citra terenkripsi yang sebelumnya sudah mengalami perubahan data. Hasil dari penelitian ini adalah algoritma tidak menjamin integritas data.Keywords: Integritas Data, Kriptografi, Arnold?s Cat Map, Bernoulli Map.
Analisis Integritas Data Pada Kriptografi Citra Digital Menggunakan Penggabungan Arnold’s Cat Map dan Bernoulli Map: Array Ruddy J Suhatril; Rama Dian Syah
Jurnal Ilmiah Komputasi Vol. 19 No. 1 (2020): Jurnal Ilmiah Komputasi Volume: 19 No. 1, Maret 2020
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.19.1.163

Abstract

Kriptografi merupakan teknik untuk keamanan data. Perubahan data terenkripsi mungkin terjadi pada saat pengiriman data melalui internet oleh pihak lain. Integritas data diperlukan untuk menghindari hal tersebut. Analisis integritas data diterapkan pada kriptografi citra digital untuk menguji keamanan suatu algoritma kritptografi. Metode kriptografi pada penelitian ini yaitu mengimplementasikan penggabungan algoritma Arnold’s Cat Map dan Bernoulli Map. Pengujian integritas data dilakukan dengan melihat hasil proses dekripsi dari sebuah citra terenkripsi yang sebelumnya sudah mengalami perubahan data. Hasil dari penelitian ini adalah algoritma tidak menjamin integritas data.
Hypertension prediction using machine learning algorithm among Indonesian adults Rico Kurniawan; Budi Utomo; Kemal N. Siregar; Kalamullah Ramli; Besral Besral; Ruddy J. Suhatril; Okky Assetya Pratiwi
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 12, No 2: June 2023
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v12.i2.pp776-784

Abstract

Early risk prediction and appropriate treatment are believed to be able to delay the occurrence of hypertension and attendant conditions. Many hypertension prediction models have been developed across the world, but they cannot be generalized directly to all populations, including for Indonesian population. This study aimed to develop and validate a hypertension risk-prediction model using machine learning (ML). The modifiable risk factors are used as the predictor, while the target variable on the algorithm is hypertension status. This study compared several machine-learning algorithms such as decision tree, random forest, gradient boosting, and logistic regression to develop a hypertension prediction model. Several parameters, including the area under the receiver operator characteristic curve (AUC), classification accuracy (CA), F1 score, precision, and recall were used to evaluate the models. Most of the predictors used in this study were significantly correlated with hypertension. Logistic regression algorithm showed better parameter values, with AUC 0.829, CA 89.6%, recall 0.896, precision 0.878, and F1 score 0.877. ML offers the ability to develop a quick prediction model for hypertension screening using non-invasive factors. From this study, we estimate that 89.6% of people with elevated blood pressure obtained on home blood pressure measurement will show clinical hypertension.
Multidisciplinary classification for Indonesian scientific articles abstract using pre-trained BERT model Antonius Angga Kurniawan; Sarifuddin Madenda; Setia Wirawan; Ruddy J. Suhatril
International Journal of Advances in Intelligent Informatics Vol 9, No 2 (2023): July 2023
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/ijain.v9i2.1051

Abstract

Scientific articles now have multidisciplinary content. These make it difficult for researchers to find out relevant information. Some submissions are irrelevant to the journal's discipline. Categorizing articles and assessing their relevance can aid researchers and journals. Existing research still focuses on single-category predictive outcomes. Therefore, this research takes a new approach by applying a multidisciplinary classification for Indonesian scientific article abstracts using a pre-trained BERT model, showing the relevance between each category in an abstract. The dataset used was 9,000 abstracts with 9 disciplinary categories. On the dataset, text preprocessing is performed. The classification model was built by combining the pre-trained BERT model with Artificial Neural Network. Fine-tuning the hyperparameters is done to determine the most optimal hyperparameter combination for the model. The hyperparameters consist of batch size, learning rate, number of epochs, and data ratio. The best hyperparameter combination is a learning rate of 1e-5, batch size 32, epochs 3, and data ratio 9:1, with a validation accuracy value of 90.8%. The confusion matrix results of the model are compared with the confusion matrix results by experts. In this case, the highest accuracy result obtained by the model is 99.56%. A software prototype used the most accurate model to classify new data, displaying the top two prediction probabilities and the dominant category. This research produces a model that can be used to solve Indonesian text classification-related problems.
HUBUNGAN PENGETAHUAN TENTANG GIZI ANAK DAN POLA ASUH IBU SERTA BERAT LAHIR DENGAN STATUS GIZI ANAK PADA IBU YANG MEMILIKI BALITA DI KECAMATAN MANDE CIANJUR Winda Lestari; Matrissya Hermita; Andetyorani Utami; Sri Rahayu Ningsih; Miftahudin Miftahudin; Ruddy J. Suhatril
Arjwa: Jurnal Psikologi Vol 2, No 1 (2023)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (241.582 KB) | DOI: 10.35760/arjwa.2023.v2i1.7888

Abstract

Masalah nutrisi di Indonesia khususnya stunting masih merupakan hal yang harus diselesaikan, terlihat dari angka stunting yang masih berada di 24% dan jauh dari target. Dampak masalah nutrisi dapat  menyebabkan potensi tumbuh kembang anak menjadi tidak optimal dan jangka panjangnya adalah kualitas SDM menjadi rendah. Tujuan penelitan ini untuk mengetahui hubungan pengetahuan, pola asuh ibu dan berat lahir dengan status gizi anak. Desain penelitian cross sectional dengan jumlah partisipan 77 ibu yang memiliki anak balita dan mengunjungi posyandu yang diperoleh melalui teknik total sampling. Data penelitian menggunakan data sekunder yang diambil dengan menggunakan UG SMART (Sistem Monitoring Anak Remaja Terpadu) yang kemudian dianalisis dengan menggunakan regresi logistic multinomial. Hasil peneiltian memperlihatkan kejadian BBLR (Berat Bayi Lahir Rendah) sebesar 7.8 %, rata-rata balita memiliki berat badan 10.53 kg dan tinggi 85.16 cm. Sebagian besar ibu memiliki pengetahuan baik tentang gizi anak, tetapi masih menerapkan pola asuh dikeluarga dalam kategori pola asuh kurang baik. Hasil analisis menunjukkan tidak terdapat hubungan antara pengetahuan, pola asuh dan berat lahir dengan status gizi anak. Hal ini terjadi karena masalah gizi berkaitan dengan karakteristik daerah seperti budaya menikah di usia dini serta faktor lainnya seperti tingkat pendapatan.
ENKRIPSI CITRA DIGITAL MENGGUNAKAN KOMPOSISI TRANSPOSISI CAT MAP DAN SUBTITUSI KEY STREAM LOGISTIC MAP Rama Dian Syah; Sarifuddin Madenda; Ruddy J. Suhatril; Suryadi Harmanto
Jurnal Ilmiah Teknologi dan Rekayasa Vol 28, No 3 (2023)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/tr.2023.v28i3.7951

Abstract

Transmisi pertukaran data digital melalui jaringan internat menjadi hal penting pada kemajuan teknologi. Risiko pembajakan oleh pihak yang tidak bertanggung jawab mungkin terjadi karena kemudahan dalam pertukaran data. Pengembangan metode enkripsi data yang andal dan kuat adalah solusi untuk risiko ini. Penelitian ini mengusulkan algoritma enkripsi data baru melalui komposisi enkripsi transposisi Cat Map dan enkripsi substitusi Logistic Map. Algoritma yang diusulkan secara bersamaan mengubah posisi data dan mengubah nilai data secara acak. Penelitian telah dilakukan dengan menggunakan beberapa citra dengan berbagai fitur dan ukuran yang berbeda. Analisis keacakan citra hasil enkripsi menunjukkan bahwa histogram intensitas warna piksel memiliki distribusi yang seragam dengan nilai korelasi rendah mendekati 0. Hasil analisis peak signal to noise ratio (PSNR) menunjukkan citra hasil dekripsi sama dengan citra asli . Algoritma yang diusulkan memiliki ruang kunci 3.24 × 1068. Hasil NPCR, UACI dan Entropi menunjukkan algoritma yang diusulkan tahan terhadap serangan diferensial dan serangan entropi.