Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JURNAL INSTEK (Informatika Sains dan Teknologi) International Journal of Informatics and Computing
Nazwa Auliarahman
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering

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

Found 2 Documents
Search

 1 
A Transform-Domain Robust Watermarking Model Using Discrete Wavelet Transform for Image Copyright Security Randi Rizal; Nazwa Auliarahman; Siti Rahayu Selamat; Mae B. Lodana
JICO: International Journal of Informatics and Computing Vol. 1 No. 2 (2025): November 2025
Publisher : IAICO

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

Abstract

This research presents the development of a Discrete Wavelet Transform (DWT)–based method designed to strengthen digital copyright protection in images. The proposed approach leverages multi-resolution decomposition to embed copyright information within high-frequency and mid-frequency sub-bands, enabling improved resistance against common image attacks such as compression, noise addition, and geometric manipulation. Experimental evaluation shows that the method maintains high imperceptibility, with minimal impact on visual quality, while achieving strong extraction accuracy under various distortion scenarios. The results confirm that DWT remains a reliable foundation for constructing secure and robust watermarking mechanisms suitable for modern digital content protection needs.
FEDERATED XGBOOST FOR ETHEREUM AML: PERFORMANCE EFFICIENCY TRADE OFF IN A MULTI EXCHANGE SETTING Nazwa Auliarahman; Nur Widiyasono; Aradea
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 11 No 1 (2026): APRIL
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v11i1.66853

Abstract

Penelitian ini mengevaluasi efektivitas federated learning dalam mendeteksi alamat ilegal pada blockchain Ethereum untuk Anti Money Laundering (AML). Studi ini membandingkan XGBoost centralized dan federated dalam simulasi multi exchange, data dibagi secara horizontal menjadi 3 subset yang merepresentasikan entitas bursa independen. Untuk mengisolasi pengaruh pelatihan terdistribusi, pembagian data dilakukan secara homogen (IID), sehingga analisis difokuskan pada perbedaan mekanisme pembelajaran tanpa dipengaruhi heterogenitas data. Hasil menunjukkan bahwa model federated mencapai performa yang kompetitif dengan PR AUC 0,9962 dan akurasi 97,11%, dibandingkan model terpusat dengan PR AUC 0,9975 dan akurasi 97,75%. Namun, performa tersebut disertai peningkatan durasi pelatihan 4,01 detik dibandingkan 3,39 detik, yang disebabkan oleh beban komunikasi selama proses pembaruan model. Temuan ini menegaskan adanya trade off antara kinerja dan efisiensi dalam penerapan federated learning. Meskipun mampu mendekati performa pembelajaran centralized, pendekatan ini menimbulkan biaya operasional tambahan. Studi ini merupakan evaluasi dasar dalam kondisi terkontrol dan belum merepresentasikan skenario dunia nyata, sehingga diperlukan penelitian lanjutan pada data non IID dan skala sistem yang lebih besar.
Co-Authors Aradea Mae B. Lodana Nur Widiyasono Randi Rizal Siti Rahayu Selamat