Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika) Decode: Jurnal Pendidikan Teknologi Informasi Journal of Big Data Analytic and Artificial Intelligence
Praseptian M, Dikky
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Languange, Linguistic, Communication & Media Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
PENERAPAN VIGENERE CIPHER DALAM MELINDUNGI DATA CITRA RONTGEN Arbain, Arbain; Fadlan, Muhammad; Praseptian M, Dikky
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13628

Abstract

Dalam dunia medis, citra rekam medis, seperti hasil pemeriksaan radiologi (rontgen), memegang peranan penting dan memerlukan perlindungan terhadap ancaman pemalsuan dan penyalahgunaan data. Seiring dengan perkembangan teknologi informasi, ancaman terhadap keamanan data citra semakin meningkat, tidak terkecuali citra rontgen. Vigenère cipher merupakan algoritma kriptografi klasik berbasis teknik substitusi, telah banyak digunakan untuk melindungi data, terutama data teks. Dalam penelitian ini, Vigenère cipher diterapkan untuk mengenkripsi dan mendekripsi citra, yakni citra rontgen. Hasil penelitian menunjukkan bahwa penerapan Vigenère cipher dalam kriptografi citra rontgen dapat dilakukan dengan baik. Proses enkripsi berhasil membuat citra rontgen menjadi tidak terlihat dengan jelas, meskipun citra tersebut tetap dapat ditampilkan, namun dengan perbedaan dari citra aslinya. Hal ini disebabkan oleh perubahan nilai RGB pada citra rontgen yang dienkripsi. Namun, eksperimen enkripsi dan dekripsi menunjukkan bahwa citra rontgen dapat kembali ke bentuk aslinya dengan sempurna, yang membuktikan bahwa proses enkripsi dan dekripsi berjalan dengan baik.
KLASIFIKASI KELAYAKAN MENERIMA BANTUAN SOSIAL MENGGUNAKAN METODE K-NEAREST NEIGHBOR Melpin, Melpin; Praseptian M, Dikky; Obert, Obert
Journal of Big Data Analytic and Artificial Intelligence Vol 7 No 1 (2024): JBIDAI Juni 2024
Publisher : STMIK PPKIA Tarakanita Rahmawati

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.71302/jbidai.v7i1.54

Abstract

Data classification is the process of grouping data based on attributes (Congregation Employment, Congregation Dependents, Congregation Home Status, and Congregation Income). The problem currently occurring is that data collection on congregational social assistance recipients is often not on target, so that if social assistance enters the church, it is given to congregations who are actually less well off, but it is transferred to congregations who are well off, giving rise to confusion between one congregation and another. In this research the author used the K-Nearest Neighbor method or what is usually called KNN and measured algorithm performance using a confusion matrix to calculate accuracy, precision and recall. This researcher used 50 data that had been input via Google Form and then filled in the congregation from 50 data divided into 35 training data and 15 testing data. After the data has been input it will go through several stages, the first step is initialization where in the process of this initialization stage it changes the category value, the second stage is the process of dividing the value by the largest value in the attribute and the third stage is calculating the distance to then calculate the confusion matrix to determine accuracy, precision and recall. This research produces an application that can automatically determine which congregations are and are not worthy of receiving social assistance. From trials of 15 testing data, accuracy was 88.89%, precision 100% and recall 75%
Perbandingan Penanganan Missing Value pada Data Numerik Survei Kepuasan Pengguna Lulusan Praseptian M, Dikky; Sinawati; Harianto, Kandi
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 2: JULI 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i2.1262

Abstract

Data survei kepuasan pengguna lulusan merupakan salah satu cara yang dilakukan perguruan tinggi untuk menilai kualitas institusi ditinjau dari aspek kepuasan pengguna lulusan. Data tersebut sering mengandung nilai atribut yang hilang (missing value), yang dapat terjadi karena beberapa alasan, terutama ketika aspek yang dinilai tidak relevan dengan bidang pekerjaan lulusan. Penelitian ini menggunakan data survei kepuasan pengguna lulusan dengan jumlah 100 record dan proporsi missing value sebesar 20 persen pada atribut numerik. Evaluasi kinerja dilakukan menggunakan metode Root Mean Square Error (RMSE) dan Mean Absolute Percentage Error (MAPE) untuk membandingkan empat teknik imputasi missing value pada RapidMiner, yaitu penggantian dengan nilai rata-rata, nilai minimum, nilai maksimum, dan nilai nol. Hasil pengukuran menunjukkan bahwa model nilai rata-rata memperoleh kinerja terbaik dengan nilai RMSE sebesar 0,742 dan MAPE sebesar 13,67 persen. Sementara itu, tiga model lainnya berada pada nilai error lebih dari 1 pada RMSE dan lebih dari 20 persen pada MAPE. Pada model penggantian nilai nol, nilai error MAPE bahkan mencapai 100 persen, sehingga metode ini sangat tidak disarankan.
Co-Authors Arbain Arbain, Arbain Harianto, Kandi Melpin, Melpin MUHAMMAD FADLAN Obert, Obert Sinawati