cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota bandung,
Jawa barat
INDONESIA
MIND (Multimedia Artificial Intelligent Networking Database) Journal
Published by Institut Teknologi Nasional Bandung
ISSN : 25280015     EISSN : 25280902     DOI : -
Core Subject : Science,
Computer Science & IT
Arjuna Subject : -
Articles 6 Documents
 1 
Search results for , issue "Vol 5, No 1 (2020): MIND Journal" : 6 Documents clear
Tempat Sampah Pengelola Password Wifi dengan Algoritma TOTP SHA-3 THETA DINNARWATY PUTRI; WINARNO SUGENG; GUNAWAN YUGA UTAMA
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 5, No 1 (2020): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v5i1.1-13

Abstract

AbstrakAlgoritma Time-Based One Time Password (TOTP) merupakan algoritma yang berfungsi menghasilkan password untuk satu kali pemakaian. Password yang dihasilkan memiliki batas waktu tertentu dan akan selalu berubah secara dinamis dalam periode tertentu. Algoritma TOTP menggabungkan secret key dengan current time yang kemudian dilakukan hashing menggunakan algoritma enkripsi SHA-3. Pada penelitian ini TOTP diaplikasikan untuk pengelolaan password wifi pada media tempat sampah dimana keterkaitan user dan kebutuhan mengakses wifi. TOTP akan menghasilkan password wifi untuk user jika user melakukan kegiatan membuang sampah pada media tempat sampah. Pada secret key dilakukan enkripsi menggunakan algoritma caesar terlebih dahulu sebelum dilakukan tahap hashing, ini agar membuat secret key dinamis sehingga variasi password menjadi lebih banyak dan dapat meningkatkan keamanan dari password. Dari hasil pengujian keluaran password tidak muncul secara berulang namun memiliki tingkat kemiripan sebesar 0,02%.Kata kunci: Internet Of Thing, TOTP, SHA-3, Tempat sampah AbstractThe Time-Based One Time Password (TOTP) algorithm is an algorithm that produces a password for only one use. A password that is produced has a limited time and always changed dynamically in a specific period. The TOTP algorithm combines a secret key with a current time which is then hased with an encryption algorithm SHA-3. In this experiment the TOTP is applied for managing a wifi password for a user, when the user is throwing a trash at a particular bin. The secret key will be encrypted used a caesar algorithm before the hashing process, so that a secret key become dynamic and the password multiplied, and the security level will be higher. In this experiment the password output has not produced periodically but has a 0.02% similliarity.Keywords: Internet Of Thing, TOTP, SHA-3,Trashbin
Sistem Informasi Peminjaman Barang Berbasis Web dengan Metode Waterfall MUHAMMAD NUGRAHA; JAMALUDIN YASKURNIAAM
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 5, No 1 (2020): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v5i1.14-23

Abstract

AbstrakProses peminjaman barang untuk keperluan praktikum merupakan aktifitas yang rutin dilakukan. Pada umumnya peminjaman barang dilakukan oleh mahasiswa atau dosen kepada staf laboratorium dengan mengisi form peminjaman secara tertulis. Namun dalam proses peminjaman tersebut ada kalanya staf laboratorium kewalahan ketika proses peminjaman barang banyak sekali karena staf laboratorium harus mengecek keberadaan barang satu persatu secara manual. Oleh karena permasalahan tersebut maka pada penelitian ini akan didesain dan dibangun sistem informasi peminjaman barang berbasis web yang berfungsi untuk mempermudah staf laboratorium dalam pengelolaan data barang. Dengan sistem informasi peminjaman barang proses pengajuan peminjaman, persetujuan peminjaman, monitoring barang, dan pencarian status barang bisa dengan mudah dan cepat dilakukan. Metode pembangunan sistem yang digunakan pada penelitian ini menggunakan metode Waterfall, dan untuk desain sistem menggunakan UML (Unified Modelling Languange). Hasil akhir dari penelitian ini berupa sistem informasi peminjaman barang berbasis web dengan menggunakan framework Codeigniter 4 yang dapat mempermudah proses pengelolaan peminjaman barang.Kata kunci: sistem, informasi, peminjaman, Codeigniter, webAbstractThe borrowing process goods for practicum is a routine activity. Generally, the lending of goods is carried out by students to laboratory staff by filling out the loan form manually. However, in the lending process, sometimes laboratory staff is overwhelmed when the process of borrowing a lot because the laboratory staff has to check the items manually. Base on these problems, this research will develop a web-based information system for lending goods to facilitate laboratory staff in managing data of goods. With this information system for borrowing goods, the process of applying for loans, loan approval, monitoring of goods, and searching for the status of goods can be done easily and quickly. The method of development system using Waterfall, and system design using UML. The final result of this research is a web-based information system for lending goods using the Codeigniter 4 framework, which can simplify managing lending of goods.Keywords: system, information, loan, Codeigniter, web 
Metode Fuzzy Logic pada Sistem Pemantauan dan Pemberian Pakan Kucing Berbasis Smartphone RACHMA APRILIYANI; LISA KRISTIANA; MIRA MUSRINI BARMAWI
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 5, No 1 (2020): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v5i1.24-38

Abstract

AbstrakKucing merupakan hewan peliharan yang perlu diberi pakan secara rutin oleh pemiliknya karena ada sebagian kucing yang mudah terserang penyakit dikarenakan pola makan yang tidak teratur. Untuk mengatasinya, penelitian ini mengusulkan membangun sistem kecerdasan buatan untuk memberi pakan kucing secara terjadwal serta mengetahui kondisi kesehatan kucing dengan memanfaatkan Raspberry Pi, sensor berat dan sensor gerak dengan masukan dari sensor yang telah terpasang di sekitar tempat pakan kucing. Data yang didapat berupa data pakan yang dihabiskan kucing dan data gerak kucing kemudian diterapkan metode fuzzy logic Sugeno untuk menentukan kondisi kesehatan kucing. Dari hasil penelitian didapatkan nilai status sebesar 71%, 76% dan 80% untuk masing-masing kucing. Nilai tersebut termasuk kedalam kategori kondisi kucing sehat sehingga tindakan yang dilakukan pemilik yaitu menjaga pola makan kucing. Pada smartphone ditampilkan informasi mengenai data pakan kucing, status, dan kondisi kesehatan kucing.Kata Kunci: kesehatan kucing, Raspberry Pi, kecerdasan buatan, fuzzy logic Sugeno, smartphone.AbstractCats is one kind of pets that need to be fed regularly by their owners because some cats are susceptible to disease due to their irregular diet. This research proposes to build an artificial intelligence system to provide cat food regularly and can determine the health condition of cats, this system was built using the Raspberry Pi, weight sensor and motion sensor with input from the sensors that has been installed around the cat feed area. The data obtained in the form of feed data consumed by cats and cat motion data then Sugeno fuzzy logic method is applied to determine the health condition of the cat. From the results, each cat has a status value of 71%, 76% and 80%. This status value is included in the category of a healthy cat condition so the action taken by owners is to maintain the cat's diet. The smartphone displays information about cat feed data, status and health conditions of cats.Keywords: cat health, Raspberry Pi, fuzzy logic Sugeno, artificial intelligence, smartphone.
Sistem Pengenalan Jenis Kanker Melanoma pada Citra MenggunakanGray Level Co-occurrence Matrices (GLCM) dan K-Nearest Neighbor (KNN) Classifier YOULLIA INDRAWATY NURHASANAH; IRMA AMELIA DEWI; FEVLY PALLAR
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 5, No 1 (2020): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v5i1.66-80

Abstract

AbstrakMelanoma dikategorikan sebagai bentuk kanker kulit yang paling berbahaya menurut skincancer.org. Kanker kulit ini bertumbuh dan berkembang oleh kerusakan DNA pada sel-sel kulit yang umumnya disebabkan oleh radiasi ultraviolet dari matahari. Pada penelitian ini  dibuatkan suatu sistem yang  dapat membantu pihak medis untuk memprediksi suatu tipe atau jenis dari suatu kanker melanoma dengan proses antara lain, optimalisasi postprocessing melalui morphological closing, pembentukan matriks-matriks gray level co-occurrence (GLCM) untuk pengekstraksian fitur-fitur tekstur statistika dan K-Nearest Neighbor (KNN) sebagai metode klasifikasinya. Hasil dari pengujian menunjukan bahwa ekstraksi ciri tekstur statistika bermanfaat dalam pengenalan kanker ini dimana diperoleh hasil akurasi mencapai 93.33% oleh classfier pada kategori pengujian positif melanoma dan 86.66 % pada kategori kelas melanoma. Kata kunci: Melanoma, GLCM, K-Nearest Neighbor, Otsu Thresholding AbstractMelanoma is categorized as the most dangerous form of skin cancer, according to skincancer.org. This skin cancer grows and develops due to DNA damage to skin cells which is generally caused by ultraviolet radiation. In this study, a system was created to help medical parties predict a type or type of melanoma cancer. This system was performed with morphological closing processes, the formation of gray level co-occurrence (GLCM) matrices for extraction of features of statistical textures, and K-Nearest Neighbor (KNN) as a classification method. The test results showed that the system recognized this cancer with an accuracy of 93.33% for the positive image of melanoma and 86.66% for the melanoma class category. Keywords: Melanoma, GLCM, K-Nearest Neighbor, Otsu Thresholding
Analisis Forman Frekuensi pada Suara Manusia dengan Menggunakan Linear Prediction IRMA AMELIA DEWI; MUHAMMAD ICHWAN; SALMA SILFIANA
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 5, No 1 (2020): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v5i1.39-53

Abstract

AbstrakSuara manusia merupakan natural language sebagai salah satu gaya interaksi dengan komputer. Manusia mempunyai ragam suara yang berbeda, dapat dilihat dari formant, pitch dan volume suara. Masukan perintah suara yang baik bagi komputer dibutuhkan proses pencarian kualitas suara berdasarkan forman frekuensi. Pada penelitian ini tahapan proses diawali dengan pre-processing yaitu preemphasis, frame blocking dan windowing kemudian dilanjutkan pencarian nilai forman menggunakan Linear Prediction. Hasil nilai forman yang didapatkan dicocokan dengan nilai forman data latih yang berada pada database. Terdapat 2700 data suara uji dengan durasi perekaman suara dilakukan selama 1 detik. Berdasarkan hasil pengujian nilai forman yang diperoleh untuk F0 kisaran 0–423, nilai forman F1 kisaran 572-1678, nilai forman F2 kisaran 1536-2583, nilai forman F3 kisaran 2676-3384, nilai forman F4 kisaran 3519-4947.  Kata kunci: Forman, Frekuensi, Pitch , Linear PredictionAbstractHuman voice is a natural language as a style of interaction with computers. Humans have a variety of sounds can be seen from the formant, pitch and volume. Entering voice commands that are good for the computer requires the search for sound quality based on formant frequencies. In this study, the process stages begin pre-emphasis, frame blocking and windowing for noise reduction and searching formant values using Linear Prediction. The formant value obtained is matched with the formant value of the training data in database. There are 2700 test sound data with recording duration is 1 second. Based on test results obtained formant values for F0 range of 0-423, value range 572-1678 formants F1, F2 formant values range from 1536 to 2583, the value of the range of 2676-3384 formant F3, F4 formant values of the range of 3519-4947.Keywords: Formant, Frequency, Pitch, Linear prediction
Algoritma Scale Invariant Feature Transform (SIFT) pada Deteksi Kendaraan Bermotor di Jalan Raya YUSUP MIFTAHUDDIN; NUR FITRIANTI FAHRUDIN; MOCHAMAD FACHRY PRAYOGA
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 5, No 1 (2020): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v5i1.54-65

Abstract

AbstrakProses perhitungan jumlah kendaraan yang masih dilakukan secara manual dan membutuhkan banyak operator dalam pendataan. Berdasarkan hal itu, diperlukan sistem yang mampu mendeteksi dan mengklasifikasi kendaraan yang melintas di jalan raya secara otomatis. Dalam mengidentifikasi citra kendaraan, sistem menggunakan algoritma SIFT. Hasil fitur akan dibandingkan dengan metode K-Nearest Neighbor (KNN). Sistem dibangun untuk mendeteksi jenis kendaraan berat dengan mengukur tingkat akurasi keberhasilan berdasarkan nilai pencahayaan, jumlah objek, perubahan rotasi, serta pada kondisi siang dan malam hari. Dataset yang digunakan berjumlah 100 citra kendaraan berat. Kinerja sistem pada kondisi siang hari mendapat nilai presisi rata-rata 100%, nilai recall 54%, dan nilai akurasi 78%. Hasil pengukuran presisi dan recall, diperoleh nilai f-measure sebesar 67 %.Kata kunci: SIFT, kendaraan berat, K-Nearest NeighbourAbstractThe process of collecting vehicles still done manually and requires a lot of human resources. Therefore, we need a system that can detect and classify vehicles passing on the highway automatically. SIFT is an algorithm for identification of an image. The features will be compared using the K-Nearest Neighbor (KNN) method. In this study,  system will be designed to detect the type of heavy vehicle using the SIFT method to measure the accuracy of success based on the value of lighting, number of objects, changes in rotation, and day night conditions. Dataset used was 100 heavy vehicle images. The system performance during daytime conditions gets an average precision value of 100%, a recall value of 54%, and an accuracy value of 78%. From the results of precision and recall, the f-measure value is 67 %.Keywords: SIFT, heavy vehicles, K-Nearest Neighbour 

Page 1 of 1 | Total Record : 6

 1 

Filter by Year

2020 2020


Reset
Filter By Issues
All Issue Vol 10, No 2 (2025): MIND Journal Vol 10, No 1 (2025): MIND Journal Vol 9, No 2 (2024): MIND Journal Vol 9, No 1 (2024): MIND Journal Vol 8, No 2 (2023): MIND Journal Vol 8, No 1 (2023): MIND Journal Vol 7, No 2 (2022): MIND Journal Vol 7, No 1 (2022): MIND Journal Vol 6, No 2 (2021): MIND Journal Vol 6, No 1 (2021): MIND Journal Vol 5, No 2 (2020): MIND Journal Vol 5, No 1 (2020): MIND Journal Vol 4, No 2 (2019): MIND Journal Vol 4, No 1 (2019): MIND Journal Vol 3, No 2 (2018): MIND Journal Vol 3, No 2 (2018): MIND Journal Vol 3, No 1 (2018): MIND Journal Vol 3, No 1 (2018): MIND Journal Vol 2, No 2 (2017): MIND Journal Vol 2, No 2 (2017): MIND Journal Vol 2, No 1 (2017): MIND Journal Vol 2, No 1 (2017): MIND Journal Vol 1, No 2 (2016): MIND Journal Vol 1, No 2 (2016): MIND Journal Vol 1, No 1 (2016): MIND Journal Vol 1, No 1 (2016): MIND Journal More Issue