Article Per Year (5 Year)
p-Index From 2020 - 2025
1.937
P-Index
This Author published in this journals
All Journal JTERA (Jurnal Teknologi Rekayasa) JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI JSI (Jurnal sistem Informasi) Universitas Suryadarma INFOMATEK: Jurnal Informatika, Manajemen dan Teknologi Abditeknika - Jurnal Pengabdian Kepada Masyarakat Jurnal Teknik Mesin, Industri, Elektro dan Informatika Gaster JAMU : Jurnal Abdi Masyarakat UMUS Scientica: Jurnal Ilmiah Sains dan Teknologi Jupiter: Publikasi Ilmu Keteknikan Industri, Teknik Elektro dan Informatika Merkurius: Jurnal Riset Sistem Informasi dan Teknik Informatika
Indrawan Ady Saputro
STMIK AMIKOM SURAKARTA
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Public Health Social Sciences Transportation Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : JTERA (Jurnal Teknologi Rekayasa)

 1 
Pendekatan Pembelajaran Mesin Berbasis Model Campuran Gaussian untuk Deteksi Steganografi Pada Citra JPEG Saputro, Indrawan Ady; Nugraha, Febrianta Surya; Sugiarto, Lilik
JTERA (Jurnal Teknologi Rekayasa) Vol 9, No 2: December 2024
Publisher : Politeknik Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31544/jtera.v9.i2.2024.63-68

Abstract

Perkembangan keamanan digital terus mengalami kemajuan pesat, khususnya di bidang steganografi. Steganografi adalah teknik menyembunyikan data agar tidak mudah terdeteksi. Salah satu teknik populer pada citra JPEG adalah Least Significant Bit (LSB). Namun, teknik ini sering disalahgunakan, sehingga meningkatkan risiko terhadap keamanan data dan menuntut adanya metode deteksi yang andal. Tujuan penelitian ini adalah mengembangkan metode deteksi steganografi yang efektif dengan menggunakan Gaussian Mixture Models (GMM). Metodologi yang digunakan melibatkan pengolahan dataset yang terdiri dari dua kelas: citra asli dan citra yang telah disisipkan pesan tersembunyi menggunakan teknik LSB. Dataset ini kemudian dianalisis menggunakan model GMM untuk mendeteksi pola-pola steganografi. Hasil evaluasi menunjukkan bahwa GMM mencapai akurasi 78,67%, presisi 89,15%, dan recall 69,70%. Selain itu, nilai AUC-ROC sebesar 86,59% menunjukkan kemampuan yang baik dalam membedakan citra asli dan steganografi. Kesimpulannya, GMM merupakan metode yang efektif dan efisien untuk deteksi steganografi adaptif, menawarkan tingkat akurasi tinggi dengan kebutuhan sumber daya yang lebih ringan dibandingkan metode lain.
Co-Authors Abdul Aziz, Riyan Afnan Rosyidi Dwi Setiaji Febrianta Surya Nugraha, Febrianta Surya Ghulam Vicco Febrianta Hadis Turmudi Khaidir Umar Latifah Nurul Habibah Maulina, Rufidah Nugroho Ridho Harjanto Nurhidayanto, Nurhidayanto Pangesti , Oktafian Dyah Prasetiya, Bayu Ade Purwidiantoro, Moch. Hari Rahmadi, Mochammad Luthfi Riyan Abdul Aziz Setiawan Adib Wibowo Siska Ningtyas Prabasari Sugiarto, Lilik Surya Nugraha , Febrianta Suryawati, Liling Daru Susanti, Anggi Tinuk Agustin Wibowo, Alfian Nur Widianti, Ina Sholihah Widiyanti, Sri Yudam, Zaky Zulfahmi