cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Yudhi Nugroho Adi
Contact Email
library@tekomuniversity.ac.id
Phone
+628128000110
Journal Mail Official
library@telkomuniversity.ac.id
Editorial Address
Jl. Telekomunikasi - Ters. Buah Batu Bandung 40257 Indonesia
Location
Kota bandung,
Jawa barat
INDONESIA
eProceedings of Engineering
Published by Universitas Telkom
ISSN : 23559365     EISSN : -     DOI : https://doi.org/10.34818/eoe.v9i5.18452
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering
Merupakan media publikasi karya ilmiah lulusan Universitas Telkom yang berisi tentang kajian teknik. Karya Tulis ilmiah yang diunggah akan melalui prosedur pemeriksaan (reviewer) dan approval pembimbing terkait.
Arjuna Subject : Teknik (semua kategori) - Teknik (Lain-Lain)
Articles 8,006 Documents
 785   786   787   788   789 
Implementasi Algoritma YOLO11 untuk Deteksi Logo Situs Judi Online pada Konten Video Reel Instagram Mu’min Faisal, Ahmad; Wali Satria Bahari Johan, Ahmad; Mustaqim, Tanzilal
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—Promosi judi online yang masif di platform media sosial Instagram, khususnya melalui konten video reel, telah menjadi tantangan sosial yang serius. Volume konten promosi yang tinggi dan sulit diidentifikasi secara manual karena logo yang disamarkan memerlukan solusi deteksi otomatis. Penelitian ini bertujuan mengembangkan sistem yang mampu mendeteksi logo situs judi online dari video reel sebagai input dan menghasilkan lokasi logo sebagai output. Pentingnya penelitian ini terletak pada penyediaan alat bantu bagi otoritas atau platform dalam mengurangi penyebaran konten ilegal tersebut, karena metode deteksi yang ada belum disesuaikan dengan lingkungan media sosial yang dinamis. Untuk mengatasi masalah ini, sistem deteksi objek diimplementasikan menggunakan algoritma YOLO11. Metodologi penelitian meliputi akuisisi data video dari Instagram, ekstraksi frame, anotasi manual untuk membuat dataset khusus, dan augmentasi data fotometrik untuk meningkatkan ketahanan model. Dua skenario pelatihan dilakukan untuk mengevaluasi dampak augmentasi. Hasil pengujian menunjukkan bahwa sistem yang dikembangkan cukup efektif, mencapai performa terbaik dengan mean Average Precision (mAP50) sebesar 72,9%. Secara khusus, model yang dilatih dengan data augmentasi menunjukkan Precision yang lebih baik yaitu 90,4% untuk kelas logo judi. Precision yang tinggi ini penting untuk menghasilkan sistem deteksi yang dapat diandalkan dan praktis, karena dapat meminimalkan kesalahan identifikasi, sehingga pendekatan ini cocok untuk moderasi konten di dunia nyata. Kata Kunci—deteksi objek, YOLO11, logo judi online, instagram reels, computer vision, deep learning
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.
Implementasi Prediksi Ketersediaan Stok Penjualan Di Koperasi Hita Loka Tara Dengan Metode ARIMA Agustina , Yayuk; Fenaldo Maulana, Rizky; Muhajir, Daud
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 — Koperasi Hita Loka Tara merupakan koperasi mahasiswa Universitas Telkom Surabaya yang menyediakan berbagai kebutuhan harian seperti makanan, minuman, dan alat tulis. Sistem manajemen stok yang masih manual menyebabkan rendahkan efesiensi dan ketepatan perencanaan persediaan. Untuk mengatasi hal tersebut, penelitian ini mengimplementasikan metode ARIMA (AutoRegressive Integrated Moving Average), yaitu metode statistik yang digunakan untuk menganalisis serta memprediksi data deret waktu berdasarkan pola historis. ARIMA menggabungkan komponen Autoregresi (AR), Differencing (I), dan Moving Average (MA) dalam membentuk pola estimasi nilai masa depan. Metode ini diterapkan dalam sistem prediksi penjualan berbasis web untuk mendukung pengambilan keputusan berdasarkan data yang tersedia. Data penjualan selama 50 minggu dari lima kategori produk terlaris diproses melalui tahap praproses, uji stasioneritas (ADF), analisis ACF dan PACF, pemodelan arima, serta evaluasi menggunakan MAPE dan RMSE. Hasil prediksi disajikan dalam dashboard web interaktif untuk memudahkan pemantauan. Hasil evaluasi menunjukkan bahwa kategori Minuman memiliki performa terbaik dengan MAPE 13,35% dan RMSE 147,63, sedangkan kategori AICE menunjukkan akurasi terendah dengan MAPE 75,21% dan RMSE 47,75 akibat fluktuasi data yang tinggi. Secara keseluruhan, arima efektif dalam memprediksi stok, namun kurang optimal pada data yang sangat fluktuatif. ata kunci—ARIMA, prediksi stok penjualan, sistem berbasis web, manajemen koperasi, MAPE, RMSE.K
Implementasi Sistem Pakar untuk Mendiagnosa Penyakit Kulit pada Manusia yang Disebabkan oleh Alergi dengan Metode Dempster Shafer Dafi’us Shidqi , Mochamad; Wali Satria Bahari Johan, Ahmad; Hani Safitri, Pima
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 — Penyakit kulit akibat alergi merupakan salah satu permasalahan kesehatan yang umum terjadi, terutama di wilayah tropis seperti Indonesia. Gejala yang bervariasi dan kemiripan dengan penyakit lain seringkali menyulitkan proses diagnosis secara akurat. Penelitian ini bertujuan untuk mengembangkan sistem pakar berbasis metode Dempster Shafer guna mendiagnosis penyakit kulit yang disebabkan oleh alergi. Metode ini dipilih karena kemampuannya dalam menangani ketidakpastian informasi dan menghasilkan tingkat keyakinan terhadap diagnosis yang diberikan. Sistem dikembangkan menggunakan bahasa pemrograman Python dengan dukungan antarmuka GUI berbasis Tkinter. Pengujian dilakukan menggunakan 37 data kasus yang divalidasi oleh pakar, dan hasil evaluasi sistem menunjukkan bahwa metode ini mampu memberikan diagnosis yang akurat dengan nilai akurasi yang tinggi. Selain memberikan informasi diagnosis awal beserta tingkat kepercayaannya, sistem ini juga menyediakan rekomendasi penanganan awal. Dengan demikian, sistem pakar ini diharapkan dapat menjadi solusi diagnosis yang efisien, terutama bagi masyarakat yang memiliki keterbatasan akses ke layanan kesehatan, sekaligus berfungsi sebagai alat bantu edukasi dalam mengenali gejala penyakit kulit akibat alergi secara mandiri. Kata kunci— sistem pakar, penyakit kulit, alergi, dempster-shafer, diagnosis, kepercayaan
Implementasi Steganografi Teks Menggunakan Unispach dan Fuzzy Aulia Rohman, Aditya; Fenaldo Maulana, Rizky; Mustaqim, Tanzilal
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 informasi menjadi semakin penting di era digital, terutama dalam pertukaran data teks melalui jaringan terbuka. Steganografi teks menawarkan solusi dengan menyembunyikan pesan rahasia ke dalam dokumen sehingga tidak mudah terdeteksi. Metode Unispach dikenal memiliki kapasitas penyimpanan tinggi, namun pola penyisipannya yang dapat diprediksi menurunkan tingkat keamanannya. Penelitian ini mengusulkan sistem steganografi teks yang menggabungkan metode Unispach dengan logika fuzzy Mamdani untuk meningkatkan kerahasiaan dan adaptivitas penyisipan. Sistem menganalisis dokumen Microsoft Word untuk menghitung kepadatan dan jarak antar whitespace, lalu menentukan lokasi penyisipan optimal berdasarkan nilai prioritas dari sistem fuzzy dengan membership function trapezoidal. Karakter Unicode tak terlihat disisipkan pada lokasi terpilih sesuai hasil analisis fuzzy. Pengujian dilakukan terhadap dokumen dengan berbagai panjang teks dan pesan, serta dibandingkan dengan metode Unispach murni. Hasil menunjukkan bahwa metode gabungan ini mampu meningkatkan ketahanan pesan hingga 93% pada skenario optimal, tanpa mengorbankan efisiensi waktu penyisipan maupun ekstraksi. Penelitian ini menunjukkan bahwa integrasi logika fuzzy dalam metode Unispach dapat meningkatkan keamanan steganografi teks melalui pendekatan adaptif terhadap struktur dokumen. Kata kunci— steganografi teks, unispach, logika fuzzy, unicode, keamanan informasi, whitespace
Implementasi YOLO untuk Deteksi Jenis Pakaian dan ResNet untuk Klasifikasi Musim Penggunaan Berdasarkan Citra Digital Syahran Jungjungan , Fadhlan; Rizky Oktavia, Vessa; Mustaqim, Tanzilal
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 telah meningkatkan variasi jenis pakaian yang beredar di masyarakat, menimbulkan tantangan dalam pengelompokan dan rekomendasi pakaian secara otomatis. Penelitian ini bertujuan untuk mengembangkan sistem deteksi jenis pakaian dan klasifikasi musim penggunaannya menggunakan metode You Only Look Once (YOLO) dan Residual Network (ResNet). Proses penelitian meliputi studi literatur, pengumpulan dan pre processing data, pelatihan model YOLO untuk deteksi objek, serta model ResNet untuk klasifikasi musim (Fall, Spring, Summer & Winter). Hasil penelitian menunjukkan bahwa YOLOv8n dengan 100 Epoch mampu mencapai mAP sebesar 0.807, sedangkan ResNet18 menghasilkan akurasi klasifikasi sebesar 83.68%. Sistem ini berpotensi diterapkan dalam sistem rekomendasi fashion berbasis web. Kata kunci— YOLO, ResNet, deteksi objek, klasifikasi musim, pakaian, citra digital
Klasifikasi Ekspresi Wajah Menggunakan HFT CNN Dan Siamese Network Pada Citra Wajah Satria Putra Buana, Elang; Yusuf Wicaksono, Ardian; Hani Safitri, Pima
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 — Ekstraksi fitur yang kurang optimal merupakan salah satu kendala utama dalam klasifikasi ekspresi wajah menggunakan metode tradisional. Penelitian ini bertujuan untuk meningkatkan akurasi pengenalan ekspresi wajah dengan menerapkan pendekatan berbasis deep learning yang secara khusus menargetkan bagian-bagian penting wajah. Metode yang diusulkan menggabungkan arsitektur Siamese Neural Network (SNN) untuk mengukur kemiripan antar ekspresi, serta multi-level feature extraction (HFT-CNN) untuk melakukan ekstraksi fitur secara mendalam dan terfokus pada tiga area utama wajah, yaitu keseluruhan wajah, mata dan alis, serta mulut. Ketiga channel ini digabungkan untuk membentuk representasi fitur yang lebih kaya dan informatif. Hasil implementasi menunjukkan bahwa arsitektur HFT-CNN mampu mencapai akurasi hingga 99%, sedangkan model SNN Triple mencatatkan akurasi sebesar 91%. Meskipun demikian, hasil prediksi dari kedua model belum sepenuhnya stabil dalam berbagai kondisi pengujian, yang mengindikasikan masih adanya keterbatasan dalam hal generalisasi terhadap variasi ekspresi wajah. Selain itu, proses pengumpulan dan preprocessing data turut berpengaruh terhadap performa model, sehingga seleksi data secara manual tetap diperlukan guna memastikan kualitas dan relevansi data yang digunakan dalam pelatihan Kata kunci— convolutional neural networks, ekspresi wajah, pembelajaran mesin, siamese networks.
Klasifikasi Kualitas Melon Inthanon Berbasis Analisis Tekstur dan Warna Menggunakan GLCM dan SVM Andi Divangga Pratama , Moch.; Wali Satria Bahari Johan, Ahmad; Widyantara, Helmy
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 — Proses grading melon secara manual seringkali tidak konsisten, memakan waktu lama, dan meningkatkan biaya tenaga kerja, sehingga mengurangi efisiensi pascapanen. Penelitian ini bertujuan mengembangkan sistem grading otomatis untuk mengklasifikasikan kualitas melon Inthanon berbasis analisis tekstur dan warna. Analisis tekstur menggunakan Gray Level Co-occurrence Matrix (GLCM) untuk mengekstrak tujuh fitur utama, sedangkan analisis warna menggunakan ruang warna CIELab (a* dan b* channel) dengan tambahan parameter Hue dan Chroma. Dataset terdiri dari 300 citra melon dengan akuisisi gambar dilakukan dalam perlakuan terkendali. Dataset Melon Inthanon kualitas buruk dan baik di augmentasi sebanyak 14 sudut untuk data training model augmentasi. Proses klasifikasi dilakukan dalam dua tahap menggunakan Support Vector Machine (SVM), yaitu untuk klasifikasi jenis melon (Net/Non-Net) kemudian kualitas melon (Baik/Buruk). Fitur warna dan tekstur terbukti akurat dan efisien dalam mengklasifikan kualitas Melon Inthanon dengan hasil akurasi pada model klasifikasi jenis melon tanpa augmentasi sebesar 100%, model klasifikasi kualitas inthanon tanpa augmentasi sebesar 95%, dan model augmentasi mendapatkan akurasi lebih rendah dari model tanpa augmentasi yaitu sebesar 87.5%. Temuan ini menunjukkan efektivitas metode yang diusulkan dan mengotomatisasikan klasifikasi kualitas Melon Inthanon. Kata kunci— CIELab, GLCM, Grading Otomatis, Melon Inthanon, SVM
Kombinasi Metode Discrete Wavelet Transform dan Random Forest untuk Steganalisis Citra Digital Putra Ariansyah , Andika; Fenaldo Maulana, Rizky; Mustaqim, Tanzilal
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 — Steganografi merupakan teknik penyisipan informasi rahasia ke dalam media digital seperti citra, sehingga keberadaan informasi tersebut tidak terdeteksi secara visual. Untuk mengidentifikasi adanya pesan tersembunyi, diperlukan proses steganalisis yang efektif. Penelitian ini mengusulkan kombinasi metode Discrete Wavelet Transform (DWT) dan Random Forest sebagai pendekatan untuk membedakan citra stego dari citra cover. DWT digunakan untuk mengekstraksi fitur dari domain frekuensi melalui dekomposisi multi-level menjadi empat sub-band frekuensi (LL, LH, HL, HH). Fitur statistik dari sub-band tersebut kemudian diklasifikasikan menggunakan algoritma Random Forest. Eksperimen dilakukan pada dataset IStego100K yang terdiri atas 1.250 citra cover dan 1.250 citra stego, dengan rasio pelatihan dan pengujian 80:20. Citra stego dibentuk melalui teknik Least Significant Bit (LSB) replacement. Empat jenis wavelet digunakan dalam pengujian, yaitu Haar, Symlet (Sym4), Coiflet (Coif1), dan Daubechies (Db4). Hasil menunjukkan bahwa model menggunakan wavelet Db4 memberikan performa terbaik dengan akurasi 91,4%, presisi 94,0%, recall 88,4%, dan F1-score 91,1%. Temuan ini menunjukkan bahwa kombinasi DWT dan Random Forest efektif digunakan untuk mendeteksi steganografi dalam citra digital dan berpotensi diaplikasikan dalam sistem keamanan serta forensik digital. Kata kunci — citra digital, discrete wavelet transform, LSB, random forest, steganalisis

Page 787 of 801 | Total Record : 8006

 785   786   787   788   789 

Filter by Year

2014 2025


Reset
Filter By Issues
All Issue Vol. 12 No. 5 (2025): Oktober 2025 Vol. 12 No. 4 (2025): Agustus 2025 Vol. 12 No. 3 (2025): Juni 2025 Vol. 12 No. 2 (2025): April 2025 Vol. 12 No. 1 (2025): Februari 2025 Vol. 11 No. 6 (2024): Desember 2024 Vol. 11 No. 5 (2024): Oktober 2024 Vol. 11 No. 4 (2024): Agustus 2024 Vol. 11 No. 3 (2024): Juni 2024 Vol. 11 No. 2 (2024): April 2024 Vol. 11 No. 1 (2024): Februari 2024 Vol. 10 No. 6 (2023): Desember 2023 Vol 10, No 5 (2023): Oktober 2023 Vol. 10 No. 5 (2023): Oktober 2023 Vol. 10 No. 4 (2023): Agustus 2023 Vol 10, No 3 (2023): Juni 2023 Vol. 10 No. 3 (2023): Juni 2023 Vol. 10 No. 2 (2023): April 2023 Vol 10, No 2 (2023): April 2023 Vol. 10 No. 1 (2023): Februari 2023 Vol 9, No 6 (2022): Desember 2022 Vol. 9 No. 5 (2022): Oktober 2022 Vol 9, No 5 (2022): Oktober 2022 Vol. 9 No. 4 (2022): Agustus 2022 Vol 9, No 4 (2022): Agustus 2022 Vol 9, No 3 (2022): Juni 2022 Vol 9, No 2 (2022): April 2022 Vol 9, No 1 (2022): Februari 2022 Vol 8, No 6 (2021): Desember 2021 Vol 8, No 5 (2021): Oktober 2021 Vol. 8 No. 5 (2021): Oktober 2021 Vol 8, No 4 (2021): Agustus 2021 Vol 8, No 3 (2021): Juni 2021 Vol. 8 No. 2 (2021): April 2021 Vol 8, No 2 (2021): April 2021 Vol 8, No 1 (2021): Februari 2021 Vol 7, No 3 (2020): Desember 2020 Vol 7, No 2 (2020): Agustus 2020 Vol 7, No 1 (2020): April 2020 Vol 6, No 3 (2019): Desember 2019 Vol 6, No 2 (2019): Agustus 2019 Vol 6, No 1 (2019): April 2019 Vol 5, No 3 (2018): Desember 2018 Vol 5, No 2 (2018): Agustus 2018 Vol 5, No 1 (2018): April 2018 Vol 4, No 3 (2017): Desember, 2017 Vol 4, No 2 (2017): Agustus, 2017 Vol 4, No 1 (2017): April, 2017 Vol 3, No 3 (2016): Desember, 2016 Vol 3, No 2 (2016): Agustus, 2016 Vol 3, No 1 (2016): April, 2016 Vol 2, No 3 (2015): Desember, 2015 Vol 2, No 2 (2015): Agustus, 2015 Vol 2, No 1 (2015): April, 2015 Vol 1, No 1 (2014): Desember, 2014 More Issue