Articles
<![CDATA[Implementasi Color Quantization pada Kompresi Citra Digital dengan Menggunakan Model Clustering Berdasarkan Nilai Max Variance pada Ruang Warna RGB ]]>
<![CDATA[Tommy Tommy]]>;
<![CDATA[Rosyidah Siregar]]>;
<![CDATA[Andi Marwan Elhanafi]]>;
<![CDATA[Imran Lubis]]>
<![CDATA[ Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8, No 6: Desember 2021 ]]>
Publisher : <![CDATA[Fakultas Ilmu Komputer, Universitas Brawijaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25126/jtiik.2021863490
<![CDATA[Kompresi citra dapat dilakukan dengan menggunakan color quantization di mana dengan mengurangi jumlah warna yang terdapat pada citra maka akan dapat mengurangi jumlah bit yang digunakan untuk merepresentasikan warna – warna tersebut. Semakin rendah jumlah warna yang dikurangi dalam rangka mencapai rasio kompresi yang optimal berdampak pada terdegradasinya kualitas dari citra. Secara umum color quantization menggunakan model clustering dalam proses pembentukan color palette yang akan digunakan sebagai referensi pada saat kuantisasi. Penelitian ini menggunakan model clustering berdasarkan nilai max variance pada channel RGB secara terpisah. Proses clustering dilakukan dengan membelah populasi cluster sebelumnya menggunakan nilai mean dari channel RGB yang memiliki nilai variance tertinggi. Color palette kemudian dibentuk menggunakan centroid hasil dari proses clustering. Percobaan pada beberapa citra uji dengan format 32bpp yang kemudian dikompresi menggunakan kuantisasi warna pada format 8bpp dan 4bpp memberikan kualitas dan rasio kompresi yang cukup baik yang diukur menggunakan ukuran MSE, PSNR dan CR di mana nilai MSE yang diperoleh berkisar 3.87 sampai 6.3 pada kuantisasi 8bpp dan 13.39 sampai 19.62 pada kuantisasi 4bpp. Sedangkan rasio kompresi yang diperoleh adalah sebesar 1.44 sampai 2.09 pada kuantisasi 8bpp dan 2.87 sampai 4.23 pada kuantisasi 4bpp. AbstractImage compression can be done by using color quantization where by reducing the number of colors contained in the image it can reduce the number of bits used to represent the colors. The lower the number of colors reduced in order to achieve the optimal compression ratio has an impact on the quality of the image. In general, color quantization uses clustering models in the process of constructing color palette that will be used as a reference during quantization. This study uses a clustering model based on the max variance value on the RGB channel separately. The clustering process is done by dividing the previous cluster population using the mean value of the RGB channel which has the highest variance value. The color palette is then formed using centroids resulting from the clustering process. Experiments on some test images in 32bpp format which are then compressed using color quantization in 8bpp and 4bpp formats provide a fairly good quality and compression ratio with MSE, PSNR and CR assessment where the MSE values obtained ranged from 3.87 to 6.3 at 8bpp quantization and 13.39 to 19.62 at 4bpp quantization. While the compression ratio obtained is 1.44 to 2.09 at 8bpp quantization and 2.87 to 4.23 at 4bpp quantization]]>
<![CDATA[Implementasi Algoritma Gated Recurrent Unit Dalam Melakukan Prediksi Harga Kelapa Sawit Dengan Memanfaatkan Model Recurrent Neural Network (RNN) ]]>
<![CDATA[Alwi Aulia]]>;
<![CDATA[Andi Marwan Elhanafi]]>;
<![CDATA[Haida Dafitri]]>
<![CDATA[ SEMINAR NASIONAL TEKNOLOGI INFORMASI & KOMUNIKASI Vol. 1 No. 1 (2021): Prosiding Snastikom 2021 ]]>
Publisher : <![CDATA[Universitas Harapan Medan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1049.746 KB)
<![CDATA[oil (PO) is one of Indonesia's leading exporters, one of the plantation products. Oil prices often experience price increases and fluctuating price decreases, causing the development of research on palm oil price predictions so that research uses the deeplearning GRU (Gated Recurrent Unit) for timeseriesforecasting of changes in palm oil prices. The GRU algorithm is applied to this prediction application to produce an accuracy value that can be used as a reference in selling palm oil. The results of this study show that the actual data and predictive data are not much different. The GRU algorithm uses a learning rate of 0.01, batch size, 100, epoch 15000, hidden state 512 and windows size 30.]]>
<![CDATA[Kombinasi Kriptografi Algoritma Polyalphabetic Dan Kompresi Huffman Untuk Pengamanan Data ]]>
<![CDATA[Aftaul Musla]]>;
<![CDATA[Tommy]]>;
<![CDATA[Andi Marwan Elhanafi]]>
<![CDATA[ SEMINAR NASIONAL TEKNOLOGI INFORMASI & KOMUNIKASI Vol. 1 No. 1 (2021): Prosiding Snastikom 2021 ]]>
Publisher : <![CDATA[Universitas Harapan Medan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (485.558 KB)
<![CDATA[he more advanced the world of technology produces new applications that can help make it easier for humans in the process of sending files and because of the ease with which these applications are accessed by humans, it does not rule out the possibility of fraud or file leaks from unauthorized parties. is also one of the factors to speed up the delivery process. Combining cryptography and compression techniques is one solution that can be done to overcome these problems. Cryptography is the expertise and science of ways for secure communication in the presence of unauthorized parties. Compression is a process to reduce the size of the data so that it can store more data and speed up the data transmission process. The algorithms used in this research are Polyalphabetic and Huffman. Implementation of this system is built in the form of a website. The results showed that securing and compressing files using Polyalphabetic and Huffman could restore the original file contents intact. Testing the Hufman algorithm shows that the compressed file size in several experimental samples with different sizes is directly proportional to the initial file size before being compressed.]]>
<![CDATA[Implementasi Root Mean Square Error Untuk Melakukan Prediksi Harga Emas Dengan Menggunakan Algoritma Multilayer Perceptron ]]>
<![CDATA[Yunita Shara Lubis]]>;
<![CDATA[Andi Marwan Elhanafi]]>;
<![CDATA[Haida Dafitri]]>
<![CDATA[ SEMINAR NASIONAL TEKNOLOGI INFORMASI & KOMUNIKASI Vol. 1 No. 1 (2021): Prosiding Snastikom 2021 ]]>
Publisher : <![CDATA[Universitas Harapan Medan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (633.435 KB)
<![CDATA[Multilayer Perceptron is an artificial neural network that can be used to predict gold prices. This research will produce a combination of parameters, namely the error threshold, learning rate 1 and learning rate 2 which are used in the training data process, which has quite an effect on the resulting error value. From the results of the combination of parameters and testing with the Multilayer perceptron algorithm shown in Figure 4.2, the smallest error value at layer 3 is 54262,375, which is obtained from the learning rate 1 parameter is 0.5, learning rate 2 is 1, learning rate 3 is 1.5. while the largest error value is 46023.9375. The results of the Multilayer Perceptron algorithm in forecasting gold prices can run well, which shows that the model from the implemented training and testing data can predict gold prices.]]>
<![CDATA[Simulasi Implementasi Load Balancing PCC Menggunakan Simulator Gns3 ]]>
<![CDATA[Andi Marwan Elhanafi]]>;
<![CDATA[Imran Lubis]]>;
<![CDATA[Dedy Irwan]]>;
<![CDATA[Abdullah Muhazir]]>
<![CDATA[ JURNAL TEKNOLOGI DAN ILMU KOMPUTER PRIMA (JUTIKOMP) Vol. 1 No. 2 (2018): Jutikomp Volume 1 Nomor 2 Oktober 2018 ]]>
Publisher : <![CDATA[Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34012/jutikomp.v1i2.236
<![CDATA[Kebutuhan komunikasi saat ini sangat penting seiring dengan kemajuan dan perkembangan teknologi komunikasi data yang semakin canggih. Teknologi komunikasi data yang berkembang dari waktu ke waktu sangat pesat. Oleh sebab itu, diperlukan perancangan yang tepat dan handal dalam membangun kualitas jaringan yang baik supaya dapat meningkatkan kinerja dari jaringan tersebut.Dalam hal ini menyebabkan semakin meningkatnya permintaan akan kebutuhan informasi dalam internet, sehingga trafik dalam internet semakin padat oleh permintaan-permintaan akan informasi. Salah satu cara yang dapat digunakan untuk tetap menjaga kualitas koneksi internet adalah dengan menjaga trafik agar tetap berjalan seimbang dan menghemat bandwidth dengan membagi beban ke beberapa jalur atau link dengan menggunakan teknik load balancing dengan menggunakan metode Pcc (Per Connection Classifier). Berdasarkan penelitian yang telah dilakukan maka beban trafick yang diperoleh jadi lebih lancer tanpa ada penumpukan data.]]>
<![CDATA[Aplikasi Pengenalan Wajah Menggunakan Algoritma Backpropagation dan Voila Jones ]]>
<![CDATA[Sayuti Rahman]]>;
<![CDATA[Emil Fitranshah Aliff S]]>;
<![CDATA[Andi Marwan Elhanafi]]>
<![CDATA[ JURNAL TEKNOLOGI DAN ILMU KOMPUTER PRIMA (JUTIKOMP) Vol. 1 No. 1 (2018): Jutikomp Volume 1 Nomor 1 April 2018 ]]>
Publisher : <![CDATA[Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34012/jutikomp.v1i1.336
<![CDATA[Saat ini, teknologi sistem keamanan semakin berkembang pesat. Para ilmuan dibidang teknologi terus-menerus membuat ataupun menemukan cara baru untuk berupaya meningkatkan sistem keamanan pada komputer, terutama sistem keamanan dengan menggunakan metode-metode dari visi komputer seperti identifikasi ataupun berbentuk pengenalan suatu benda. Dengan perkembangan teknologi sekarang ini terutama dibidang visi komputer diharapkan mampu untuk menjawab seluruh tantangan dari sistem keamanan. Salah satu sistem keamanan dari visi komputer yang paling popular adalah sistem identifikasi atau pengenalan suatu objek atau gambar dengan menggunakan algoritma tertentu. Oleh karena itu, pada penelitian menerapkan sistem pengenalan wajah menggunakan algoritma backpropagation. Dimana, sebuah foto wajah seseorang akan dikenali berdasarkan jarak antar fitur-fitur wajah seperti: mata,hidung, dan mulut kemudian hasil dari temuan jarak fitur tersebut akan menjadi input layer pada algoritma backpropagation kemudian dengan memasukkan target output akan memunculkan idetitas pada foto atau gambar tersebut. Dari hasil pegujian 10 gambar yang dilakukan, 8 gambar berhasil dikenali 2 gambar tidak berhasil, maka tingkat akurasi aplikasi tersebur adalah 80%]]>
<![CDATA[Pemaparan Teknologi Biometrika Dan Google Cloud Vision Api Di SMK Dwi Tunggal 2 Tanjung ]]>
<![CDATA[Andi Marwan ElHanafi]]>;
<![CDATA[Ruswan Nurmadi]]>;
<![CDATA[Tommy T]]>;
<![CDATA[Rosyidah Siregar]]>
<![CDATA[ Jurnal TUNAS Vol 1, No 2 (2020): Edisi April ]]>
Publisher : <![CDATA[LPPM STIKOM Tunas Bangsa ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (202.611 KB)
|
DOI: 10.30645/jtunas.v1i2.15
<![CDATA[Biometrics technology and its combination with Cloud Computing has become a technological trend today which has been utilized in various applications and services such as social media. The low insight into this technology is still often found in the younger generation, especially in high school students. This dedication activity is carried out at SMK Dwi Tunggal 2 Tanjung with class X students. This dedication aims to provide insights and knowledge of Biometrika technology and Google Cloud Vision API which are widely used by various Google services in the hope that this activity can be useful to educate generations especially in the fields of Biometrics and Cloud Vision technology.]]>
<![CDATA[Cryptography Application on RGB Overlapping Block Based PVD Using AES ]]>
<![CDATA[Andi Marwan Elhanafi]]>;
<![CDATA[Tommy Tommy]]>;
<![CDATA[Rosyidah Siregar]]>;
<![CDATA[Manovri Yeni]]>;
<![CDATA[Shahira An-Nissa]]>
<![CDATA[ Sinkron : jurnal dan penelitian teknik informatika Vol. 7 No. 3 (2022): Article Research Volume 7 Number 3, July 2022 ]]>
Publisher : <![CDATA[Politeknik Ganesha Medan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33395/sinkron.v7i3.11685
<![CDATA[Pixel Value Differencing is a data hiding method in digital images that uses the difference in pixel values as a reference for inserting secret data bits. RGB Overlapping Block Based PVD is an optimization of PVD steganography. RGB Overlapping Block Based PVD provides a much larger capacity with acceptable quality. In this study, the AES cryptography application is used as an additional layer on RGB Overlapping Block Based PVD to provide additional security. Testing and observations have been carried out on the capacity and quality aspects of the embedding results using additional AES encryption. Based on the results, AES cryptography applications can be implemented properly where there is no significant change in terms of capacity and quality to the default RGB Overlapping Block Based PVD.]]>
<![CDATA[Penyuluhan Teknologi Pemberkasan Digital pada ASN Kecamatan Medan Labuhan ]]>
<![CDATA[Tommy Tommy]]>;
<![CDATA[Andi Marwan Elhanafi]]>;
<![CDATA[Herlina Harahap]]>;
<![CDATA[Imran Lubis]]>
<![CDATA[ Prioritas: Jurnal Pengabdian Kepada Masyarakat Vol 1 No 01 (2019): EDISI SEPTEMBER ]]>
Publisher : <![CDATA[Universitas Harapan Medan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35447/prioritas.v1i01.149
<![CDATA[Teknologi pemberkasan digital dan pemanfaatannya yang telah dilakukan saat ini masih banyak ditemukan kekeliruan sehingga dokumen digital tidak terstruktur dan terkesan berantakan. Padahal secara konsep terdapat beberapa faktor penting yang harus diperhatikan dalam pelaksanaan kegiatan pemberkasan digital. Beberapa faktor penting seperti format, struktur dan identifikasi, keamanan serta manajemen resiko terkesan diabaikan atau mungkin tidak memahami pentingnya faktor – faktor tersebut untuk menjaga keutuhan dan ketahanan dari dokumen digital. Pentingnya pemahaman terhadap konsep pemberkasan digital dapat dilihat pada pelaksanaan kegiatan administrasi seperti pada beberapa kantor Kecamatan seperti pada Kecamatan Medan Labuhan membuat dianggap perlunya dilakukan sosialisasi dan penyuluhan pemberkasan dokumen administrasi sehingga berdasarkan alasan tersebut maka pada kegiatan ini akan dilakukan sosialisasi dan penyuluhan pemberkasan digital pada Kecamatan Medan Labuhan.]]>
<![CDATA[Penyuluhan Kesadaran akan Bahaya Keylogger dan Phising terhadap Pencurian Password bagi Kalangan Remaja SMA Negeri 13 Medan ]]>
<![CDATA[Rosyidah Siregar]]>;
<![CDATA[Andi Marwan Elhanafi]]>;
<![CDATA[Herlina Harahap]]>;
<![CDATA[Yessi Fitri Annisah Lubis]]>
<![CDATA[ Prioritas: Jurnal Pengabdian Kepada Masyarakat Vol 2 No 01 (2020): EDISI MARET 2020 ]]>
Publisher : <![CDATA[Universitas Harapan Medan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35447/prioritas.v2i01.209
<![CDATA[Tingginya interaksi remaja terhadap teknologi Internet tidak seiring dengan pengetahuan yang cukup terhadap bahaya yang ada. Penggunaan fasilitas komunikasi seperti social media, messenger, email dan lain sebagainya khususnya di kalangan remaja rentan terhadap ancaman keamanan seperti phising dan pencurian password. Kesadaran akan keamanan sering kali diabaikan oleh kalangan remaja, padahal kejadian pembajakan akun yang dapat menyebabkan kerugian baik dalam bentuk materil maupun imateriil seringkali terjadi. Pentingnya pemahaman terhadap ancaman keamanan digital seperti phising dan pencurian password pada kalangan remaja seperti pada pelajar SMA Negeri 13 Medan membuat dianggap perlunya dilakukan sosialisasi dan penyuluhan bahaya phising dan keylogger sehingga berdasarkan alasan tersebut maka pada kegiatan ini akan dilakukan sosialisasi dan penyuluhan bahaya phising dan keylogger pada remaja SMA Negeri 13 Medan.]]>
