Article Per Year (5 Year)
p-Index From 2021 - 2026
1.908
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Mirai Management SCIENCE ELECTRO eProceedings of Engineering Inspiration: Jurnal Teknologi Informasi dan Komunikasi Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK) Jurnal Masyarakat Mengabdi (JUMADI)
Fandisya Rahman
Universitas Telkom
Religion Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Social Sciences Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search
Journal : eproceedings of engineering

 1 
Implementasi Hybrid Encryption Twofish Dan Kyber Key Encapsulation Mechanism Pada Keamanan File Dokumen Krisna Putra , Revaldy; Fenaldo Maulana, Rizky; Rahman, Fandisya
eProceedings of Engineering Vol. 12 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Perkembangan teknologi kuantum membawa ancaman baru terhadap sistem kriptografi klasik, seperti RSA dan AES. Untuk mengatasi risiko ini, penelitian ini mengusulkan implementasi hybrid encryption yang menggabungkan Twofish sebagai algoritma simetris dan Kyber Key Encapsulation Mechanism (KEM) sebagai algoritma asimetris post-kuantum. Sistem ini dirancang untuk mengamankan file dokumen dengan ukuran hingga 10MB, serta diuji melalui skenario komunikasi antar virtual machine. Hasil pengujian menunjukkan waktu proses enkripsi-dekripsi yang efisien dan konsistensi hasil hash, menandakan integritas data tetap terjaga. Pengujian sniffing menggunakan Wireshark juga membuktikan bahwa data tidak dapat diakses pihak ketiga. Dengan demikian, sistem terbukti aman dan layak digunakan dalam menghadapi tantangan kriptografi masa depan Kata kunci— Twofish, Kyber KEM, Hybrid Encryption, Post-Quantum Cryptography, Keamanan Dokumen.
Implementasi Hybrid Kriptografi Diffie Hellman dan ChaCha20 Pada Keamanan File Dokumen Yudha Asmara Adi , Nikko; Fenaldo Maulana, Rizky; Rahman, Fandisya
eProceedings of Engineering Vol. 12 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Keamanan data menjadi isu krusial di era digital, terutama bagi dokumen elektronik yang sering menjadi target serangan siber. Penelitian ini bertujuan mengembangkan sistem pengamanan file dokumen dengan masukan berupa file teks dan keluaran berupa file terenkripsi yang aman dari intersepsi pihak tidak sah. Meskipun algoritma seperti AES telah banyak digunakan, tantangan dalam pengelolaan kunci dan kebutuhan akan efisiensi tinggi di perangkat tanpa akselerasi hardware masih menjadi hambatan. Saat ini, sistem belum mampu menggabungkan kecepatan dan keamanan secara optimal, khususnya untuk file dengan berbagai ukuran. Penelitian ini mengusulkan metode hybrid kriptografi yang menggabungkan Diffie–Hellman sebagai algoritma pembentukan kunci rahasia dan ChaCha20 sebagai stream cipher untuk enkripsi data. Sistem ini memanfaatkan keunggulan Diffie–Hellman dalam pertukaran kunci aman serta efisiensi tinggi dari ChaCha20 dalam proses enkripsi dan dekripsi. Hasil menunjukkan bahwa kombinasi Diffie-Hellman ChaCha20 memiliki waktu enkripsi tercepat (0.1906 detik) dan throughput tertinggi (13651.4704 KB/s). Sistem ini terbukti unggul dalam kecepatan, efisiensi, dan ketahanan terhadap skenario file berukuran besar, menjadi solusi optimal dalam pengamanan file digital. Kata kunci— ChaCha20, Diffie-Hellman, Efisiensi Enkripsi, Hybrid Kriptografi, Keamanan Data.
Steganalisis Audio Digital Dengan Discrete Wavelet Transform Menggunakan Metode Random Forest Classifier Azkal Azkiya’, Mochammad; Fenaldo Maulana, Rizky; Rahman, Fandisya
eProceedings of Engineering Vol. 12 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Perkembangan teknologi digital telah memudahkan pertukaran informasi namun juga membuka celah bagi penyalahgunaan, salah satunya melalui penyisipan pesan tersembunyi atau steganografi dalam audio digital. Untuk mengatasi potensi ancaman ini, penelitian ini mengusulkan sistem steganalisis audio digital menggunakan metode Discrete Wavelet Transform (DWT) dan algoritma klasifikasi Random Forest. Penelitian ini difokuskan pada deteksi keberadaan pesan tersembunyi pada file audio WAV. Dataset terdiri dari 900 file audio berdurasi 10 detik, meliputi data non-stego, stego dengan metode Echo Hiding, dan LSB. Ekstraksi fitur dilakukan hingga level 3 dekomposisi DWT dengan empat fitur statistik: mean, standar deviasi, entropi, dan energi. Hasil pengujian menunjukkan bahwa kombinasi DWT level 3 dan Echo Hiding memberikan performa terbaik dengan akurasi 91,11% dan AUC 0,99. Sebaliknya, metode LSB menunjukkan indikasi overfitting. Hasil ini menegaskan bahwa pendekatan berbasis domain frekuensi seperti DWT lebih efektif dibandingkan pendekatan domain biner seperti LSB. Kata kunci — steganalisis, discrete wavelet transform, echohiding, least significant bit, random forest, audio digital
Klasifikasi Kepadatan Lalu Lintas Berbasis Deep Learning Menggunakan Yolox Dan SegFormer Raditya Adi Santoso; Mustafa Kamal; Fandisya Rahman
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Peningkatan volume lalu lintas menimbulkan tantangan dalam pengelolaan lalu lintas yang efektif. Sistem konvensional sering tidak menyediakan informasi mengenai kondisi kepadatan lalu lintas yang ada. Penelitian ini mengembangkan sistem klasifikasi kepadatan lalu lintas berbasis deep learning menggunakan model hybrid YOLOX untuk deteksi kendaraan dan SegFormer untuk segmentasi area jalan. Kedua model diintegrasikan menggunakan pendekatan Fusion Layer, yang menggabungkan hasil inferensi untuk menghitung rasio area jalan yang tertutupi kendaraan. Sistem ini diimplementasikan dalam bentuk aplikasi website yang menerima input langsung dari webcam, serta menampilkan informasi kepadatan secara visual dan numerik. Hasil evaluasi menunjukkan bahwa kombinasi model menghasilkan akurasi klasifikasi sebesar 80%, lebih tinggi dibandingkan penggunaan model secara terpisah. Penelitian ini berhasil mengembangkan sistem klasifikasi kepadatan lalu lintas dan memberikan kemudahan dalam mengakses informasi baik secara visual maupun numerik terkait tingkat kepadatan lalu lintas berdasarkan input langsung dari webcam. Kata kunci— deep learning, YOLOX, SegFormer, klasifikasi kepadatan lalu lintas, segmentasi jalan, deteksi kendaraan.
Peramalan Kepadatan Lalu Lintas Berbasis Video Menggunakan YOLOX dan Long Short-Term Memory (LSTM) Maoreen Damar Safira Subakti; Mustafa Kamal; Fandisya Rahman
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Kepadatan lalu lintas di kawasan perkotaan menjadi tantangan serius dalam pengelolaan transportasi modern karena dampaknya terhadap kemacetan, pemborosan waktu, dan polusi udara. Untuk mengatasi permasalahan ini, dibutuhkan pendekatan prediktif berbasis teknologi guna mendukung pengambilan keputusan yang cepat dan adaptif. Penelitian ini bertujuan mengembangkan sistem prediksi kepadatan lalu lintas berbasis video dengan mengintegrasikan algoritma YOLOX sebagai detektor kendaraan dan Long Short-Term Memory (LSTM) sebagai model peramalan. Data dikumpulkan melalui rekaman video lalu lintas dari Jembatan Penyeberangan Orang (JPO), yang kemudian diolah melalui ekstraksi frame dan pelabelan bounding box. Model YOLOX digunakan untuk mendeteksi jumlah kendaraan per frame, sedangkan hasil deteksi menjadi input bagi model LSTM untuk meramalkan jumlah kendaraan dalam lima menit ke depan. Evaluasi menunjukkan bahwa YOLOX mencapai performa deteksi tinggi dengan mAP@50 sebesar 98,5% dan mAP@75 sebesar 91,6%, sementara LSTM menunjukkan akurasi prediksi yang baik dengan MAE sebesar 0,0905 dan RMSE sebesar 0,1173. Sistem ini telah diimplementasikan dalam bentuk aplikasi web untuk mempermudah pengguna mengunggah video dan memperoleh hasil prediksi secara visual. Temuan ini menunjukkan potensi sistem dalam mendukung pengelolaan lalu lintas berbasis data secara efisien di lingkungan perkotaan. Kata kunci— YOLOX, LSTM, peramalan, lalu lintas, video, deep learning.
Co-Authors Abda Abda Achmad Basuki Aris Kusumawati Azkal Azkiya’, Mochammad Bambang Minto Basuki Dicka Wahyu Setiasari Dwi Hariyanto, Muhammad Dyah Putri Rahmawati Fawaidul Badri Ismiarta Aknuranda Krisna Putra , Revaldy Maoreen Damar Safira Subakti Mohamat Imron Mohammad Jasa Afroni Mohammad Sholik Muhammad Ilham Alhari Mustafa Kamal Mustafa Kamal Raditya Adi Santoso Riza Akhsani Setyo Prayoga Rizky Fenaldo Maulana Tanzilal Mustaqim Titus Kristanto Wachda Yuniar Rochmah Yudha Asmara Adi , Nikko