Article Per Year (5 Year)
p-Index From 2020 - 2025
2.041
P-Index
This Author published in this journals
All Journal INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi 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 Informatika 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 : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
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.
Perbandingan Kinerja dan Keamanan Algoritma Kriptografi Modern AES-GCM dengan CHACHA20-POLY1305 Susanti, Anggi; Prasetiya, Bayu Ade; Pangesti , Oktafian Dyah; Suryawati, Liling Daru; Saputro, Indrawan Adi
INFOMATEK Vol 26 No 2 (2024): Desember 2024
Publisher : Fakultas Teknik, Universitas Pasundan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23969/infomatek.v26i2.19255

Abstract

Di era digital, kebutuhan akan algoritma kriptografi yang andal semakin penting untuk melindungi data sensitif. AES-GCM dan ChaCha20-Poly1305 adalah dua algoritma populer yang digunakan, namun keduanya memiliki trade-off antara kinerja dan keamanan. Penelitian ini bertujuan mengevaluasi kedua algoritma melalui pengujian kinerja dan simulasi serangan timing. Pengujian kinerja dilakukan dengan mengukur waktu enkripsi dan dekripsi pada berbagai ukuran data, sedangkan simulasi serangan timing menilai kerentanan terhadap serangan tersebut. Hasil penelitian menunjukkan bahwa AES-GCM lebih lambat dibandingkan ChaCha20-Poly1305, terutama pada data berukuran besar, tetapi menawarkan ketahanan lebih baik terhadap serangan timing. Sebaliknya, ChaCha20-Poly1305 unggul dalam kecepatan, menjadikannya pilihan ideal untuk aplikasi dengan kebutuhan performa tinggi tanpa mengorbankan keamanan dasar.
Optimizing Rice Plant Disease Classification Using Data Augmentation with GANs on Convolutional Neural Networks Agustin, Tinuk; Saputro, Indrawan Ady; Rahmadi, Mochammad Luthfi
INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi Vol 9 No 1 (2025): February 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/intensif.v9i1.23834

Abstract

Background: Rice disease classification using CNN models faces challenges due to limited data, particularly in minority classes, and inconsistent image quality, which affect model performance. Data augmentation techniques can potentially enhance classification accuracy by improving data diversity and quality. Objective: This study evaluates the effectiveness of data augmentation techniques, specifically classical augmentation and Deep Convolutional Generative Adversarial Networks (DCGAN), in improving CNN performance for rice disease classification. Methods: A quantitative study was conducted using four CNN training scenarios: no augmentation, classical augmentation, DCGAN augmentation, and a combination of both. Model accuracy was analyzed to determine the impact of each augmentation technique. Results: The baseline CNN model achieved an accuracy of 91.88%. Classical augmentation improved accuracy by 2.56%, while DCGAN augmentation led to a 5.44% increase. The combination of classical augmentation and DCGAN yielded the highest accuracy of 98.13%. Conclusion: Data augmentation significantly enhances CNN performance in rice disease classification, with the combined approach of classical augmentation and DCGAN proving to be the most effective. These findings highlight the importance of augmentation techniques in addressing data limitations and improving classification accuracy. Future research should explore additional augmentation strategies and test the model across different datasets to further validate its effectiveness.
Rancang Bangun Sistem Invoice Digital CV Putra Alami Sejahtera Menggunakan Metode Rapid Application Development Rosyidi, Afnan; Ady Saputro , Indrawan; Surya Nugraha , Febrianta
JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol 12 No 2 (2025): JSI (Jurnal sistem Informasi) Universitas Suryadarma
Publisher : Universitas Dirgantara Marsekal Suryadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35968/jsi.v12i2.1542

Abstract

Perkembangan teknologi informasi mendorong digitalisasi berbagai proses bisnis, termasuk dalam pengelolaan invoice. Banyak perusahaan masih menggunakan pencatatan manual yang rentan terhadap kesalahan, keterlambatan, dan ketidakefisienan. CV Putra Alami Sejahtera menghadapi permasalahan serupa, sehingga dibutuhkan sistem terintegrasi yang dapat meningkatkan akurasi dan efisiensi pencatatan transaksi keuangan. Penelitian ini menggunakan metode Rapid Application Development (RAD) untuk mempercepat pengembangan sistem melalui iterasi yang melibatkan pengguna. Sistem dirancang berbasis web menggunakan framework Laravel dan arsitektur Model-View-Controller (MVC). Pengujian dilakukan dengan metode black-box testing berdasarkan skenario nyata. Hasil menunjukkan bahwa 100% fungsi sistem berjalan dengan baik tanpa kendala berarti. Sistem dinyatakan layak untuk diimplementasikan, serta diharapkan dapat menggantikan pencatatan manual, meminimalkan kesalahan input, dan meningkatkan pengambilan keputusan berbasis data yang cepat dan terstruktur.
Co-Authors Abdul Aziz, Riyan Afnan Rosyidi Dwi Setiaji Febrianta Surya Nugraha, Febrianta Surya Ghulam Vicco Febrianta Hadis Turmudi Iwan Ady Prabowo 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 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