Article Per Year (5 Year)
p-Index From 2019 - 2024
0.778
P-Index
This Author published in this journals
All Journal JURNAL ILMIAH INFORMATIKA Journal Information System Development JURSIMA Jurnal Sistem Informasi dan Manajemen
Hotma Pangaribuan
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Social Sciences

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
OPTIMALISASI DETEKSI TEPI DENGAN METODE SEGMENTASI CITRA Hotma Pangaribuan
Journal Information System Development Vol 4, No 1 (2019): Journal Information System Development (ISD)
Publisher : UNIVERSITAS PELITA HARAPAN

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

Abstract

Segmentasi citra sebagai bagian dari proses pengolahan citra, adalah kegiatan untuk membagi citra menjadi beberapa bagian atau region, yang bertujuan untuk mengisolasi atau menemukan suatu obyek di dalam citra. Beberapa pertumbuhan kemajuan teknologi baru membuka peluang bagi pengembangan lebih lanjut dalam bidang ini. Saat ini pengolahan citra mempunyai peranan yang sangat penting dalam berbagai bidang kehidupan. Segmentasi adalah proses pemisahan objek dengan latar belakangnya. Saat ini telah banyak dilakukan penelitian tentang segmentasi.Deteksi tepi merupakan suatu proses pencarian informasi tepi dari sebuah gambar. Deteksi tepi memiliki tujuan antara lain digunakan untuk menandai bagian yang menjadi detail dari sebuah gambar Ada banyak metode dalam melakukan segmentasi salah satunya adalah level-set menggunakan metode roberts, prewit sobel dan frei chan. Histogram citra digunakan untuk mengetahui intensitas dan kontras suatu citra, timing run digunakan untuk mengetahui lamanya suatu proses citra, dan SNR (Signal to Noise Ratio) yang digunakan untuk mengetahui kualitas citra. Pengujian dilakukan dengan melakukan uji coba terhadap Objek citra dan selanjutnya dilakukan analisis citra.Metode Sobel dan Prewitt memiliki proses komputasi yang lebih lebih sedikit jika dibandingkan. Secara umum algoritma segmentasi citra didasarkan pada satu dari dua property nilai intensitas yaitu mendeteksi diskontinuitas atau mendeteksi similaritas. Dari hasil penelitian ini didapat kesimpulan sebagai berikut:metode segmentasi yang paling tajam hasilnya yaitu menggunakan Operator Freichen, karena dari sudut pandang horizontal dan sudut pandang Vertikal sama sama menghasilkan hasil yang bagus, Dari hasil pembahasan untuk jenis operator yang paling baik adalah operator Robert, Hasil deteksi pada operator sobel lebih bagus atau tegas dibandingkan dengan operator Robert dan prewitt. Operator Sobel lebih sensitif terhadap tepi diagonal daripada tepi vertikal dan horizontal  Hal ini berbeda dengan operator Prewitt, yang lebih sensitif terhadap tepi vertikal dan horizontal.
OPTIMALISASI KUALITAS CITRA DIGITAL DENGAN METODE KETETANGGAAN PIKSEL: Ketetanggaan Piksel Hotma Pangaribuan
JURNAL ILMIAH INFORMATIKA Vol 7 No 01 (2019): Jurnal Ilmiah Informatika (JIF)
Publisher : Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1006.21 KB) | DOI: 10.33884/jif.v7i01.864

Abstract

This study aims to improve the image or image by eliminating noise in the color image that is converted to gray images with a number of pixel intensities of 0 to 255 using the pixel neighboring method. Pixel neighbor types used in the test include boundary filters, uniform filters and median filters. While noise added to the original image is salt noise and pepper and gaussian with a value of p = 0.01. From the results of this study, it can be seen how much interference can be corrected by using a type of neighboring pixel filter, with the amount of improvement including reducing noise, softening noise and eliminating noise. From the results of the tests carried out with the help of the octave 3.4.3 program, it can be seen that the boundary filter aims to prevent pixels whose intensity outside the intensity of neighboring pixels with white spots on the image can be removed. However, if you pay close attention, the operation also blurs the image, while in the equalization filter the processing effect with the alignment filter. Compared to the limit filter, the processing of the uniform filter does not eliminate white spots on the image of the car, but only slightly disguises the image, while in median filter The results show that noise can be removed, but the details on the image are retained. However, this is of course obtained with the added computational burden of "sorting".
RANCANG BANGUN INTRUSION DETECTION SYSTEM (IDS) MENGGUNAKAN SNORT (STUDI KASUS PT PLN BATAM) Sunarsan Sitohang; Hotma Pangaribuan
JURSIMA (Jurnal Sistem Informasi dan Manajemen) Vol 11 No 1 (2023): Volume 11 Nomor 1 2023
Publisher : INSTITUT TEKNOLOGI DAN BISNIS INDOBARU NASIONAL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47024/js.v11i1.571

Abstract

Security is an important aspect in building a network. The use and utilization of information technology for PT PLN Batam has become an important component for the daily activities of employees in improving company performance. This research was conducted to assist network administrators in monitoring traffic and supervising suspicious activities at PT PLN Batam. For monitoring of suspicious activities at PT PLN Batam, the intruder detection system that the author uses is Snort which runs on the Linux Operating System, namely Debian, because Snort is open source and can detect attack patterns in accordance with existing rules. The author uses Snort which is assisted by the Snorby interface to make it easier for a network administrator in terms of monitoring. Log or Alert results from Snort are presented in the form of a Graphical User Interface (GUI) using the Snorby application as a monitoring system in the form of Line Charts and Pie Charts. Snort can also display Logs or Alerts based on the severity level which is divided into 3 colors, namely High severity in red which is categorized as a dangerous attack, Medium severity in yellow which is categorized as an attack with a moderate level, and Low severity in green which is categorized as an attack that is not dangerous or weak. In general, Snort only works as a detector and is unable to withstand attacks. It is hoped that in the future Snort can be developed which is able to prevent attacks automatically.
RANCANG BANGUN INTRUSION DETECTION SYSTEM (IDS) MENGGUNAKAN SNORT (STUDI KASUS PT PLN BATAM) Sunarsan Sitohang; Hotma Pangaribuan
JURSIMA Vol 11 No 1 (2023): Volume 11 Nomor 1 2023
Publisher : INSTITUT TEKNOLOGI DAN BISNIS INDOBARU NASIONAL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47024/js.v11i1.571

Abstract

Keamanan merupakan aspek penting dalam membangun sebuah jaringan. Penggunaan dan pemanfaatan teknologi informasi bagi PT PLN Batam sudah menjadi salah satu komponen penting untuk aktifitas pegawai sehari-hari dalam meningkatkan kinerja perusahaan. Penelitian ini dilakukan untuk membantu administrator jaringan dalam pengawasan traffic dan pengawasan terhadap aktifitas yang mencurigakan pada PT PLN Batam. Untuk pengawasan terhadap aktifitas yang mencurigakan pada PT PLN Batam maka sistem deteksi penyusup yang penulis gunakan adalah Snort yang berjalan pada Sistem Operasi Linux yaitu Debian, karena Snort bersifat open source dan dapat mendeteksi pola serangan sesuai dengan rules yang telah ada. Penulis menggunakan Snort yang dibantu oleh interface Snorby agar memudahkan seorang administrator jaringan dalam hal monitoring. Hasil Log atau Alert dari Snort disajikan dalam bentuk Graphichal User Interface (GUI) menggunakan aplikasi Snorby sebagai sistem monitoring berupa Line Chart dan Pie Chart. Snort juga dapat menampilkan Log atau Alert berdasarkan tingkat keparahan yang dibedakan menjadi 3 warna, yaitu High severity dengan warna merah yang dikategorikan serangan berbahaya, Medium severity dengan warna kuning yang dikategorikan serangan dengan tingkat sedang, dan Low severity dengan warna hijau yang dikategorikan sebagai serangan tidak berbahaya atau lemah. Secara umum Snort hanya bekerja sebagai pendeteksi dan tidak mampu menahan serangan. Diharapkan kedepannya dapat dikembangkan Snort yang mampu mencegah serangan secara otomatis.
Co-Authors Sitohang, Sunarsan