Nurokhman, Akhmad
Unknown Affiliation

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

Analisis Perbandingan Algoritma Kriptografi Simetris Dan Asimetris Dalam Meningkatkan Keamanan Sistem Informasi Arif, Zaenul; Nurokhman, Akhmad
Jurnal Teknologi Sistem Informasi Vol 4 No 2 (2023): Jurnal Teknologi Sistem Informasi
Publisher : Program Studi Sistem Informasi, Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jtsi.v4i2.6077

Abstract

Keamanan informasi menjadi sangat penting di masa sekarang ini. Ada teknik yang digunakan untuk meningkatkan keamanan data adalah dengan menggunakan teknologi kriptografi. Ada dua kriptografi yang umum digunakan yaitu kriptografi simetris dan kriptografi asimetris. Kedua kriptografi ini mempunyai keunggulan dan kelemahan masing-masing yang bisa mempengaruhi tingkat keamanan informasi yang dihasilkan. Oleh karena itu, perbandingan kinerja dan keamanan dari kedua jenis kriptografi tersebut perlu dilakukan untuk menentukan jenis kriptografi mana yang paling cocok digunakan dalam sistem informasi tertentu. Dalam penelitian ini, kami melakukan analisis perbandingan algoritma kriptografi simetris dan asimetris dalam meningkatkan keamanan sistem informasi. Penelitian ini dilakukan dengan melakukan tinjauan literatur dari studi sebelumnya, dan mempertimbangkan faktor-faktor seperti keamanan, efisiensi, dan kemudahan implementasi. Hasil dari penelitian ini menunjukkan bahwa kriptografi simetris lebih cepat dan lebih efisien dalam memproses data daripada kriptografi asimetris. Namun, kriptografi asimetris lebih aman dan dapat memberikan keamanan yang lebih baik terutama dalam komunikasi jarak jauh dan pembuatan tanda tangan digital. Oleh karena itu, pemilihan jenis kriptografi harus disesuaikan dengan kebutuhan sistem informasi yang digunakan.
Application of computer vision techniques to detect diseases and pests of chili plants Nurokhman, Akhmad; Surorejo, Sarif; Kurniawan, Rifki Dwi; Gunawan, Gunawan
Journal of Intelligent Decision Support System (IDSS) Vol 7 No 1 (2024): March: Intelligent Decision Support System (IDSS)
Publisher : Institute of Computer Science (IOCS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35335/idss.v7i1.201

Abstract

This research aims to develop a disease and pest detection system in chili plants using computer vision techniques. In this study, deep learning methods, especially Convolutional Neural Networks (CNN), were applied to identify and classify various types of diseases and pests that often attack chili plants. The data used included images of chili leaves infected with various diseases and pests, which were then trained in CNN models to recognize certain patterns that indicate the presence of infection. The results showed that the developed system was able to detect and classify diseases and pests in chili plants with a very high degree of accuracy. The novelty of this research lies in the use of computer vision techniques combined with sophisticated deep learning algorithms to automatically detect diseases and pests, which were previously done manually by farmers or agricultural experts. These findings make an important contribution to improving efficiency and effectiveness in chili crop health management, offering innovative solutions to support agricultural sustainability through the use of advanced technology.