Claim Missing Document
Check
Articles

Found 2 Documents
Search

Pengamanan Email melalui Steganografi Penerapan One Time Pad dan Metode LSB pada Gambar Lampiran Rahman Santosa, Ravansa; Rafli Pamungkas, Ajie; Faisal Zuhri, Muhammad Khrisna
Prosiding Sains dan Teknologi Vol. 3 No. 1 (2024): Seminar Nasional Sains dan Teknologi (SAINTEK) ke 3 - Januari 2024
Publisher : DPPM Universitas Pelita Bangsa

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

Abstract

Tingkat ancaman yang meningkat terhadap keamanan komunikasi digital, terutama melalui email, mendorong penelitian untuk mencari solusi baru. Studi ini menggabungkan Steganografi dengan One Time Pad dan Metode Least Significant Bit (LSB) pada gambar lampiran untuk melindungi email. Steganografi menyembunyikan data sensitif dalam gambar, sementara One Time Pad memberikan lapisan keamanan tambahan melalui kunci yang digunakan sekali. Metode LSB memungkinkan penambahan informasi ke gambar tanpa mengubah tampilan visualnya. Sistem dikembangkan pada tahap implementasi dengan merancang algoritma untuk menggunakan One Time Pad pada email dan menggunakan Metode LSB, seperti yang ditunjukkan pada gambar lampiran. Proses integrasi memastikan bahwa informasi rahasia dapat disembunyikan dengan sukses tanpa mengurangi kinerja dokumen atau keaslian. Pengujian sistem dilakukan untuk mengevaluasi kinerja dan keamanan sistem. Hasil pengujian menunjukkan bahwa metode ini dapat melindungi terhadap serangan pengintaian dan mencegah perubahan yang tidak sah pada lampiran gambar. Hasil analisis menunjukkan bahwa kombinasi Metode LSB dan One Time Pad dapat menjadi metode yang efektif untuk meningkatkan keamanan email. Kelebihan sistem ini adalah tingkat keamanan yang tinggi, tetapi keterbatasannya adalah implementasi yang sulit. Namun, hasil penelitian ini memberikan dasar untuk pengembangan lebih lanjut dalam keamanan komunikasi digital, terutama email.
Pendekatan Klasterisasi K-Means untuk Mengkategorikan Risiko Obesitas dengan Rapidminer Rahman Santosa, Ravansa; Amali; Sasi Kirana, Anindia; Muhana Aydin Nashif, Hamim
Jurnal SIGMA Vol 15 No 1 (2024): Juni 2024
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/sigma.v15i1.4660

Abstract

Millions of people around the world have obesity problems, which increase the risk of various chronic diseases. Clustering method with k-means algorithm is used in this study to analyze obesity patterns based on behavioral and physical data. The obesity risk data was processed using RapidMiner after being obtained from the Kaggle source. The “Nominal to Numerical” operator converts nominal attributes into numerical data, which allows the k-means algorithm to be used. The elbow method was used to select the ideal number of clusters. The clustering results identified three main groups based on healthy lifestyle, high obesity risk, and different levels of physical activity. This analysis improves our understanding of obesity patterns and the factors that contribute to the condition. The results from this study can help in the creation of better prevention and intervention methods to effectively address obesity.