Articles
15 Documents
Search results for
, issue
"Vol 1, No 3 (2015): Nero"
:
15 Documents
clear
<![CDATA[ANALISIS PELAFALAN BAHASA JEPANG SEBAGAI IDENTIFIKASI PENULISAN AKSARA JEPANG BERDASARKAN AKSEN ]]>
<![CDATA[Prastiti, Novi]]>;
<![CDATA[Samopa, Febriliyan]]>
<![CDATA[ Network Engineering Research Operation [NERO] Vol 1, No 3 (2015): Nero ]]>
Publisher : <![CDATA[Universitas Trunojoyo Madura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Bahasa sebagai bagian terpenting dari kehidupan manusia, dalam bentuk tulis dapat merupakan catatan dari pengetahuan yang didapat oleh umat manusia dari satu generasi ke generasi berikutnya.Sedangkan dalam bentuk lisan merupakan sarana komunikasi antar individu dalam suatu masyarakat. Tujuan dalam bidang Natural Language ini adalah melakukan proses pembuatan model komputasi dari bahasa, sehingga terjadi suatu interaksi antara manusia dengan komputer dengan perantara bahasa alami.Pada penelitian sebelumnya, menjelaskan bahwa model akustik yang digunakan menggunakan silabel dan hanya digunakan untuk mengidentifikasi karakter suara dari pembicara yang diambil dari NTT (Nihon Telephone and Telegraph) database. Sedangkan metode silabel hanya bisa menghasilkan aksara Jepang berdasarkan suku kata yang dihasilkan, sehingga penekanan atau aksen yang diharapkan dapat diidentifikasi belum dapat dikenali. Selain itu riset lain yang ada adalah pengenalan suara menggunakan mora. Kelemahan yang ada jika menggunakan mora adalah kesamaan mora untuk beberapa kata yang sama namun memiliki Kanji yang berbeda, sehingga pelafal harus memilih lagi dari beberapa kemungkinan kanji yang ada.Penelitian ini bertujuan untuk mengurangi kesalahan pelafal bahasa Jepang dengan memperhatikan aksen yang digunakan oleh pelafal. Metode yang digunakan adalah mendeteksi aksen menggunakan pola frekuensi yang kemudian dilakukan ekstraksi ciri menggunakan algoritma Fast Fourier Transform (FFT) dan Mel-Frequency Cepstral Coefficient (MFCC) untuk masing-masing kata yang mempunyai kesamaan mora dan syllable namun memiliki accent yang berbeda. Sehingga akan dihasilkan Kanji dan arti yang berbeda dengan melakukan analisis pengucapan berdasarkan aksen (accent). Kata kunci: Natural Language, Accent, FFT, MFCC.]]>
<![CDATA[Penerapan Metode ISSAF dan OWASP versi 4 Untuk Uji Kerentanan Web Server ]]>
<![CDATA[Dirgahayu, Raden Teduh]]>;
<![CDATA[Prayudi, Yudi]]>;
<![CDATA[Fajaryanto, Adi]]>
<![CDATA[ Network Engineering Research Operation [NERO] Vol 1, No 3 (2015): Nero ]]>
Publisher : <![CDATA[Universitas Trunojoyo Madura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Untuk mengamankan web server dariserangan hacker maka sebaiknya para pemilik web server melakukan self test terhadap server mereka sendiri. Melalui self test ini, para pemilik web server akan mengetahui letak kerentanan dari sistem yang ada. Salah satu metode self test ini adalah penetration test. Metode ini sama dengan aktivitas hacking namun dilakukan secara legal. Penelitian ini, metode implementasi penetration test yang akan digunakan adalah ISSAF (Information Systems Security Assessment Framework) dan OWASP versi 4. IKIP PGRI Madiun sebagai salah satu instansi pendidikan sudah mempunyai web server sendiri sejak tahun 2010. Berdasarkan wawancara dengan pengelola web server IKIP PGRI Madiun, sejak pertama kali web server online sampai saa tini web server berhasil dibobol oleh hacker beberapa kali dalam setahun dan belum pernah dilakukan penetration test pada web servernya. Hasil pengujian dan analisa dengan metode ISSAF menunjukkan bahwa sistem web server IKIP PGRI Madiun masih dapat ditembus dan mengambil alih hak akses administrator, sedangkan dengan metode OWASP versi 4 menunjukkan bahwa manajemen otentifikasi, otorisasi dan manajemen sesi belum diimplementasikan dengan baik. Kata kunci: webserver, pentest, owasp, issaf, framework.]]>
<![CDATA[RANCANG BANGUN APLIKASI DIAGNOSA KERUSAKAN KOMPUTER DENGAN METODE BACKPROPAGATION ]]>
<![CDATA[Hapsari, Dian Puspita]]>;
<![CDATA[Nururrohman, M Tsalits]]>;
<![CDATA[Uttungga, Reza]]>
<![CDATA[ Network Engineering Research Operation [NERO] Vol 1, No 3 (2015): Nero ]]>
Publisher : <![CDATA[Universitas Trunojoyo Madura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Kerusakan komputer merupakan suatu masalah yang membutuhkan seorang teknisi untuk memperbaikinya. Seorang teknisi terkadang salah dalam mendiagnosa atau bahkan membutuhkan waktu yang cukup lama untuk mediagnosa kerusakan. Hal itu dipengaruhi oleh tingkat pengetahuan setiap teknisi yang berbeda. Untuk  mengatasi semua permasalahan itu, dibutuhkan sebuah aplikasi berbasis web untuk mendiagnosa kerusakan pada komputer dengan metode Backpropagation.Setiap keluhan kerusakan diklasifikasikan menjadi sebuah pola biner, kemudian ditentukan target kerusakan dari setiap pola tersebut. Aplikasi kemudian dilatih berulangkali sampai Jaringan Saraf Tiruan dapat mengenali pola pelatihan sesuai dengan yang ditargetkan. Hasil analisis penelitian menunjukkan bahwa Jaringan Saraf Tiruan dengan metode Backpropagation adalah sistem pemrosesan informasi yang bertujuan untuk melatih jaringan agar mendapatkan keseimbangan antara kemampuan jaringan untuk mengenali pola yang digunakan selama pelatihan dan kemampuan jaringan untuk memberikan respon yang benar terhadap pola masukan yang serupa (tetapi tidak sama) dengan pola yang digunakan selama pelatihan. Dari 20 kali percobaan prediksi, aplikasi dapat melakukan prediksi dengan ketepatan 100%. Sedangkan prediksi secara manual didapatkan hasil ketepatan 75%. Dengan demikian, output dari masing-masing jaringan saraf tiruan dapat dijadikan sebagai pertimbangan teknisi dalam mengambil sebuah keputusan untuk mengatasi permasalahan kerusakan Komputer. Kata kunci: Kerusakan Komputer, Jaringan Saraf Tiruan, Backpropagation.]]>
<![CDATA[APLIKASI SEGMENTASI OBJEK MENGGUNAKAN CELLULAR NEURAL NETWORK (CNN) ]]>
<![CDATA[Anamisa, Devie Rosa]]>
<![CDATA[ Network Engineering Research Operation [NERO] Vol 1, No 3 (2015): Nero ]]>
Publisher : <![CDATA[Universitas Trunojoyo Madura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Perkembangan dan kemajuan dibidang teknologi dan informasi memberikanpengaruh yang cukup besar dalam dunia analisis objek. Saat ini, proses manipulasiobjek menjadi semakin mudah dilakukan, Cukup banyak teknik untuk melakukansegmentasi objek dua dimensi baik berwarna maupun gray-level, salah satunya denganmetode thresholding. Namun pada penelitian sebelumnya, metode tersebutmenghasilkan estimasi fungsi yang sangat tidak mulus (under smooth). Oleh karena itupada penelitian ini menggunakan cellular neural network (CNN) untuk menghasilkansegmentasi objek dua dimensi untuk menghasilkan estimasi fungsi yang mulus (smooth)dengan menentukan kontur dan memastikan kebenaran segmentasi secara efektif. CNNmelakukan segmentasi dengan dua teknik, yaitu teknik model-based dan teknik regionbased. Model-based bergantung pada model RGB (Red, Green, Blue). Sedangkanregion-based berdasarkan objek dengan wilayah latar belakang. Ujicoba dilakukandengan menggunakan MATLAB. Hasil ujicoba menunjukkan metode CNN mampumengelompokkan objek secara terstruktur kedalam RGB (Red, Green, Blue) menjadigambar biner yang hanya mempunyai 2 derajat keabuan berdasarkan objek denganwilayah latar belakang.Kata Kunci : Segmentasi, Objek, Metode, Celluler Neural Network, Kontur.]]>
<![CDATA[APLIKASI DATA MINING MENGGUNAKAN METODE DECISION TREE UNTUK MENAMPILKAN LAPORAN HASIL NILAI AKHIR MAHASISWA (STUDI KASUS DI FAKULTAS TEKNIK UMSURABAYA) ]]>
<![CDATA[Novianti, Triuli]]>;
<![CDATA[Aziz, Abdul]]>
<![CDATA[ Network Engineering Research Operation [NERO] Vol 1, No 3 (2015): Nero ]]>
Publisher : <![CDATA[Universitas Trunojoyo Madura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Salah satu faktor penyebab ketidaklulusan mahasiswa karena kurangnya kebijakan dan tindakan dari instansi pendidikan untuk menjaga mahasiswanya tidak lulus pada mata kuliah yang telah ditempuh. Dengan memanfaatkan data induk mahasiswa dan data nilai akhir mahasiswa  diharapkan dapat menghasilkan informasi tentang laporan hasil nilai akhir dengan data induk mahasiswa melalui teknik data mining. Studi kasus penelitian ini dilaksanakan pada Fakultas Teknik UMSurabaya untuk interval waktu tahun akademik 2012/2013. Metode penelitian yang dipakai adalah metode Decision Tree dengan algoritma C4.5. Pada tahap akhir, penelitian dievaluasi dan validasi dengan cross validation. Dari penelitian dihasilkan, aplikasi laporan hasil nilai akhir dengan metode decision tree  algoritma C4.5 sebagai acuan dalam membuat kebijakan dan tindakan untuk mengurangi jumlah mahasiswa yang tidak lulus dengan akurasi 100% menggunakan evaluasi Cross Validation.  Kata Kunci: Decision Tree, Algoritma C4.5, Nilai Akhir, Cross Validation]]>
<![CDATA[KARAKTERISTIK PROPAGASI DI OUTDOOR BERDASARKAN ANALISIS RSSI PADA JARINGAN SENSOR NIRKABEL ]]>
<![CDATA[Santosa, Iwan]]>
<![CDATA[ Network Engineering Research Operation [NERO] Vol 1, No 3 (2015): Nero ]]>
Publisher : <![CDATA[Universitas Trunojoyo Madura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Jaringan sensor merupakan suatu kesatuan dari proses pengukuran, komputasi, dan komunikasi yang memberikan kemampuan administratif kepada sebuah perangkat, observasi, dan melakukan penanganan terhadap setiap kejadian dan fenomena yang terjadi di lingkungan. Untuk mendukung fleksibilitas jaringan, umumnya jaringan sensor menggunakan komunikasi nirkabel sebagai media transmisi datanya Pada penelitian ini telah dirancang dan diimplementasikan pengukuran karakterisasi propagasi menggunakan mote micaz pada jaringan sensor nirkabel dengan cara membandingkan nilai pengukuran Received Signal Strength Indication (RSSI) outdoor. Berdasarkan hasil pengukuran menunjukkan bahwa nilai RSSI Pada jarak node 0 â 7.5 meter dari sink,  nilai RSSI di  outdoor -63.6500 dBm sampai -94.7619 dBm. Semakin jauh jarak node dari sink maka nilai RSSI juga akan semakin menurun.  Kata Kunci: Jaringan Sensor Nirkabel, Karakteristik Propagasi,RSSI, MICAz Motes]]>
<![CDATA[APLIKASI DATA MINING UNTUK MENGHASILKAN POLA KELULUSAN SISWA DENGAN METODE NAÃVE BAYES ]]>
<![CDATA[Meilani, Budanis Dwi]]>;
<![CDATA[Susanti, Nofi]]>
<![CDATA[ Network Engineering Research Operation [NERO] Vol 1, No 3 (2015): Nero ]]>
Publisher : <![CDATA[Universitas Trunojoyo Madura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Pertumbuhan yang pesat dari akumulasi data telah menciptakan kondisi kaya akan data tetapi minim informasi. Data mining merupakan cara untuk menemukan informasi dengan mencari pola atau aturan tertentu dari data dalam jumlah besar yang diharapkan dapat mengatasi kondisi tersebut. Dengan memanfaatkan data induk siswa dan data kelulusan siswa sebagai sumber datanya, diharapkan dapat menghasilkan informasi tentang pola tingkat kelulusan siswa melalui teknik data mining. Kategori tingkat kelulusan di ukur dari nilai UNAS. Algoritma yang digunakan adalah algoritma naïve bayes. Proses pada aplikasi ini ada 2 macam yaitu, proses analisa pola data kelulusan siswa yang telah ada sebelumnya (Learning Phase) berdasarkan atribut â atribut yang di ujikan  dan proses dari analisa pola data baru yang diujikan berdasarkan pola yang telah ada (Testing Phase). Informasi yang ditampilkan pada aplikasi tersebut ada 2 macam yaitu, informasi hasil proses Learning Phase dan informasi data berupa nilai probabilitas posterior (kemungkinan kemunculan) dari masing-masing kategori tingkat kelulusan. Pada analisa data yang dilakukan diproses testing, di dapat tingkat keakuratan sistem sekitar 99,82% dan memiliki nilai error 0.18% berdasarkan pengujian 220 data siswa tahun 2012.  Kata kunci: data mining, algoritma naïve baye, tingkat kelulusan, data induk siswa, testing phase, learning phase.]]>
<![CDATA[ENKRIPSI DATA MENGGUNAKAN STEGANOGRAFI UNTUK KEAMANAN DATA PADA CLOUD ]]>
<![CDATA[Putri, Imamah]]>
<![CDATA[ Network Engineering Research Operation [NERO] Vol 1, No 3 (2015): Nero ]]>
Publisher : <![CDATA[Universitas Trunojoyo Madura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Cloud Computing adalah teknologi pemindahan layanan berbasis internet, yang memungkinkan pengguna mendapatkan kemudahan dalam implementasi dari teknologi informasi. Permasalahan keamanan menjadi topik krusial pada teknologi ini. Data yang disimpan oleh pengguna tidaklah seratus persen terjamin keamanannya terutama dari sisi privasi. Steganografi yang dilakukan pada data yang akan disimpan ke cloud server akan memberikan keamanan yang lebih protektif, sehingga meningkatkan kepercayaan pengguna untuk menggunakan teknologi cloud. Pada penelitian ini dilakukan uji coba untuk menyisipkan pesan yang berisi 2500, 5000 dan 10000 karakter pada coverimage.  Stego image yang dihasilkan dari penelitian ini memiliki nilai PSNR rata-rata 58.83 db saat disisipkan 2500 karakter, 55.85 dbsaat disisipkan pesan berisi 5000 karakter dan 52.76 db saat disisipkan pesan berisi 10000 karakter. Ukuran file stego image sama persis dengan ukuran file coverimage yaitu 769 kb, jumlah piksel pada  histogram  citra pada cover image dan stego image juga sama yaitu 1048576 piksel. Hal ini berarti penyisipan file yang dilakukan tidak merubah bentuk asli gambar, ukuran file sehingga data yang disembunyikan tidak terlihat dan sangat tepat diterapkan pada cloud computing yang memiliki keterbatasan sumber daya. Kata kunci: Cloud Computing, Keamanan Data, Steganografi, Stego Image .]]>
<![CDATA[APLIKASI SEGMENTASI OBJEK MENGGUNAKAN CELLULAR NEURAL NETWORK (CNN) ]]>
<![CDATA[Devie Rosa Anamisa]]>
<![CDATA[ Network Engineering Research Operation Vol 1, No 3 (2015): Nero ]]>
Publisher : <![CDATA[Universitas Trunojoyo Madura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (389.282 KB)
|
DOI: 10.21107/nero.v1i3.40
<![CDATA[Perkembangan dan kemajuan dibidang teknologi dan informasi memberikanpengaruh yang cukup besar dalam dunia analisis objek. Saat ini, proses manipulasiobjek menjadi semakin mudah dilakukan, Cukup banyak teknik untuk melakukansegmentasi objek dua dimensi baik berwarna maupun gray-level, salah satunya denganmetode thresholding. Namun pada penelitian sebelumnya, metode tersebutmenghasilkan estimasi fungsi yang sangat tidak mulus (under smooth). Oleh karena itupada penelitian ini menggunakan cellular neural network (CNN) untuk menghasilkansegmentasi objek dua dimensi untuk menghasilkan estimasi fungsi yang mulus (smooth)dengan menentukan kontur dan memastikan kebenaran segmentasi secara efektif. CNNmelakukan segmentasi dengan dua teknik, yaitu teknik model-based dan teknik regionbased. Model-based bergantung pada model RGB (Red, Green, Blue). Sedangkanregion-based berdasarkan objek dengan wilayah latar belakang. Ujicoba dilakukandengan menggunakan MATLAB. Hasil ujicoba menunjukkan metode CNN mampumengelompokkan objek secara terstruktur kedalam RGB (Red, Green, Blue) menjadigambar biner yang hanya mempunyai 2 derajat keabuan berdasarkan objek denganwilayah latar belakang.Kata Kunci : Segmentasi, Objek, Metode, Celluler Neural Network, Kontur.]]>
