Garuda - Garba Rujukan Digital

Pendeteksian Lokasi Sumber Noise (Partial Discharge) secara Tiga Dimensi menggunakan Antenna Array IBRAHIM, NUR
Jurnal Elkomika Vol 3, No 2 (2015): Jurnal Elkomika
Publisher : Jurnal Elkomika

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

Abstrak Pada penelitian ini akan dilakukan simulasi teknik pendeteksian lokasi sumber noise berupa partial discharge (PD) pada peralatan tegangan tinggi, dengan menggunakan susunan antena yang terdiri dari empat buah antena monopole sebagai sensor untuk mendeteksi gelombang elektromagnetik (EM) yang dipancarkan dari partial discharge (PD). Algoritma yang digunakan mengacu kepada time difference of arrival (TDOA) dari sinyal yang diterima antar antena (dengan menjadikan salah satu antena sebagai antena referensi). Metode yang digunakan untuk menentukan TDOA adalah metode Akaike Information Criterion, metode Energy Criterion, metode Gabor Centroid, metode threshold detection, metode peak detection, dan metode cross-correlation. Sistem pendeteksian lokasi sumber noise ini menggunakan konfigurasi susunan antena membentuk Y. Jarak antar antena diatur sejauh 2 meter dan 4 meter. Berdasarkan hasil pengamatan dan analisis, konfigurasi susunan antena membentuk Y memiliki tingkat akurasi 97.67%. Metode yang paling akurat untuk menentukan TDOA adalah metode cross-correlation. Kata kunci: PD, TDOA, susunan antena. Abstract This paper presents a simulation of locating noise source (Partial Discharge) on high-voltage apparatuses, by using antenna array that consisted of four monopole antennas as sensor to record the electromagnetic waves (EM) emitted from Partial Discharge (PD). The detection algorithm is based on the time difference of arrival (TDOA) of the signals received between antennas (by using one of four antennas as reference antenna). The methods to determine TDOAs are Akaike Information Criterion method, Energy Criterion method, Gabor Centroid method, threshold detection method, peak detection method, and/or cross-correlation method. These system use Y-shaped array configuration. The adjusted distance between antennas are 2 meter and 4 meter. From the observation and analysis results, Y-shaped array antenna configuration has accuracy 97.76%. The best method to get TDOA is the cross-correlation method. Keywords: PD, TDOA, antenna array.

Compressive Sensing Audio Watermarking dengan Metode LWT dan QIM SAFITRI, IRMA; IBRAHIM, NUR; YOGASWARA, HERLAMBANG
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 6, No 3 (2018): ELKOMIKA
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v6i3.405

ABSTRAKPenelitian ini mengembangkan teknik Compressive Sensing (CS) untuk audio watermarking dengan metode Lifting Wavelet Transform (LWT) dan Quantization Index Modulation (QIM). LWT adalah salah satu teknik mendekomposisi sinyal menjadi 2 sub-band, yaitu sub-band low dan high. QIM adalah suatu metode yang efisien secara komputasi atau perhitungan watermarking dengan menggunakan informasi tambahan. Audio watermarking dilakukan menggunakan file audio dengan format *.wav berdurasi 10 detik dan menggunakan 4 genre musik, yaitu pop, classic, rock, dan metal. Watermark yang disisipkan berupa citra hitam putih dengan format *.bmp yang masing-masing berukuran 32x32 dan 64x64 pixel. Pengujian dilakukan dengan mengukur nilai SNR, ODG, BER, dan PSNR. Audio yang telah disisipkan watermark, diuji ketahanannya dengan diberikan 7 macam serangan berupa LPF, BPF, HPF, MP3 compression, noise, dan echo. Penelitian ini memiliki hasil optimal dengan nilai SNR 85,32 dB, ODG -8,34x10-11, BER 0, dan PSNR ?.Kata kunci: Audio watermarking, QIM, LWT, Compressive Sensing. ABSTRACTThis research developed Compressive Sensing (CS) technique for audio watermarking using Wavelet Transform (LWT) and Quantization Index Modulation (QIM) methods. LWT is one technique to decompose the signal into 2 sub-bands, namely sub-band low and high. QIM is a computationally efficient method or watermarking calculation using additional information. Audio watermarking was done using audio files with *.wav format duration of 10 seconds and used 4 genres of music, namely pop, classic, rock, and metal. Watermark was inserted in the form of black and white image with *.bmp format each measuring 32x32 and 64x64 pixels. The test was done by measuring the value of SNR, ODG, BER, and PSNR. Audio that had been inserted watermark was tested its durability with given 7 kinds of attacks such as LPF, BPF, HPF, MP3 Compression, Noise, and Echo. This research had optimal result with SNR value of 85.32 dB, ODG value of -8.34x10-11, BER value of 0, and PSNR value of ?.Keywords: Audio watermarking, QIM, LWT, Compressive Sensing.

Pengamanan Pesan pada Steganografi Citra dengan Teknik Penyisipan Spread Spectrum SAIDAH, SOFIA; IBRAHIM, NUR; WIDIANTO, MOCHAMMAD HALDI
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 7, No 3 (2019): ELKOMIKA
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v7i3.544

ABSTRAKPada studi ini, dilakukan penggabungan metode - metode untuk memperkuat dan meningkatkan sisi keamanan proses pertukaran informasi atau pesan digital. Metode yang digunakan diantaranya adalah metode kriptografi dan metode steganografi. Implementasi pada sistem yang dibangun dilakukan dengan menyandikan pesan pada penerapan metode steganografi citra dalam menyembunyikan pesan tersandi yang dihasilkan ke dalam sebuah citra warna (RGB) dalam domain Discrete Cosine Transform dengan teknik penyisipan Spread Spectrum. Hasil penelitian menunjukan bahwa kualitas dari stego image sangat mirip dengan cover citra yang digunakan, berdasarkan perolehan nilai performansi objektif PSNR diatas 30 db dan subjektif MOS di atas nilai 4.Kata kunci: Steganografi, Discrete Cosine Transform, Spread Spectrum, PSNR, SNR ABSTRACTIn this study, a combination of methods was used to strengthen and enhance the security side of the process of exchanging information or digital messages. The methods used include cryptographic methods and steganography methods. The implementation of the system built is done by encoding the message on the application of the image steganography method in hiding the encrypted message generated into a color image (RGB) in the Discrete Cosine Transform domain with the Spread Spectrum insertion technique. The results of the study show that the quality of the stego image is very similar to the cover image used, based on the acquisition of an objective performance value of PSNR above 30 db and subjective MOS above a value of 4.Keywords: Steganografi, Discrete Cosine Transform, Spread Spectrum, PSNR, SNR

Pendeteksian Lokasi Sumber Noise (Partial Discharge) secara Tiga Dimensi menggunakan Antenna Array IBRAHIM, NUR
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 3, No 2 (2015): ELKOMIKA
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v3i2.106

ABSTRAKPada penelitian ini akan dilakukan simulasi teknik pendeteksian lokasi sumber noise berupa partial discharge (PD) pada peralatan tegangan tinggi, dengan menggunakan susunan antena yang terdiri dari empat buah antena monopole sebagai sensor untuk mendeteksi gelombang elektromagnetik (EM) yang dipancarkan dari partial discharge (PD). Algoritma yang digunakan mengacu kepada time difference of arrival (TDOA) dari sinyal yang diterima antar antena (dengan menjadikan salah satu antena sebagai antena referensi). Metode yang digunakan untuk menentukan TDOA adalah metode Akaike Information Criterion, metode Energy Criterion, metode Gabor Centroid, metode threshold detection, metode peak detection, dan metode cross-correlation. Sistem pendeteksian lokasi sumber noise ini menggunakan konfigurasi susunan antena membentuk Y. Jarak antar antena diatur sejauh 2 meter dan 4 meter. Berdasarkan hasil pengamatan dan analisis, konfigurasi susunan antena membentuk Y memiliki tingkat akurasi 97.67%. Metode yang paling akurat untuk menentukan TDOA adalah metode cross-correlation.Kata kunci: PD, TDOA, susunan antena.ABSTRACTThis paper presents a simulation of locating noise source (Partial Discharge) on high-voltage apparatuses, by using antenna array that consisted of four monopole antennas as sensor to record the electromagnetic waves (EM) emitted from Partial Discharge (PD). The detection algorithm is based on the time difference of arrival (TDOA) of the signals received between antennas (by using one of four antennas as reference antenna). The methods to determine TDOAs are Akaike Information Criterion method, Energy Criterion method, Gabor Centroid method, threshold detection method, peak detection method, and/or cross-correlation method. These system use Y-shaped array configuration. The adjusted distance between antennas are 2 meter and 4 meter. From the observation and analysis results, Y-shaped array antenna configuration has accuracy 97.76%. The best method to get TDOA is the cross-correlation method.Keywords: PD, TDOA, antenna array.

Pengklasifikasian Grade Telur Ayam Negeri menggunakan Klasifikasi K-Nearest Neighbor berbasis Android IBRAHIM, NUR; BACHERAMSYAH, TASYA FIKRIYAH; HIDAYAT, BAMBANG; DARANA, SJAFRIL
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 6, No 2 (2018): ELKOMIKA
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v6i2.288

ABSTRAKTelur ayam negeri yang dibeli oleh masyarakat Indonesia di toko swalayan, pasar, ataupun di peternakan memiliki grade yang berbeda-beda. Pada penelitian sebelumnya, telah dilakukan pembuatan sistem pengklasifikasian telur ayam dengan berbasis Windows, namun belum dapat digunakan secara praktis oleh masyarakat. Penelitian ini dilakukan agar masyarakat dapat menggunakannya di lapangan dalam mengklasifikasikan grade telur ayam negeri, dimana pengklasifikasian grade pada telur ayam negeri ini menggunakan klasifikasi KNearest Neighbor (K-NN) yang berbasis android. Berdasarkan hasil pengujian, sistem ini dapat mengklasifikasikan grade telur ayam negeri dengan tingkat akurasi sebesar 80% (dibandingkan menggunakan Haugh Unit Micrometer) menggunakan parameter layer 4 (grayscale), metode penghitungan jarak cosine, dan nilai k=1 dimana jumlah tetangga yang dibandingkan pada algoritma K-NN adalah 1.Kata kunci: K-NN, telur ayam negeri, android.ABSTRACTChicken eggs purchased by Indonesian people in supermarkets, markets, or farms have different grades. In the previous research, the classification system of chicken eggs has been done in the windows platform, but it cannot be used practically by the people. This research was made so the people can use it on the field to classify chicken eggs grade, using the classification of K-Nearest Neighbor (K-NN) based on android. Based on testing results of this system, can classify eggs grade chicken with an accuracy of 80% (compared with Haugh Unit Micrometer) using layer 4 (grayscale), cosine distance method, and value of k=1 which is the total of compared neighborhood in K-NN algorithm is 1.Keywords: K-NN, chicken egg, android.

IMAGE WATERMARKING PADA CITRA MEDIS MENGGUNAKAN COMPRESSIVE SENSING BERBASIS STATIONARY WAVELET TRANSFORM HAFIZHANA, YASQI; SAFITRI, IRMA; NOVAMIZANTI, LEDYA; IBRAHIM, NUR
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 8, No 1 (2020): ELKOMIKA
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v8i1.43

ABSTRAK Watermarking pada citra medis dilakukan untuk melindungi hak kepemilikan dan keaslian sebuah citra medis. Proses embedding dan extraction dirancang menggunakan metode Stationary Wavelet Transform (SWT) dan Statistical Mean Manipulation (SMM) untuk mengubah citra host menjadi sinyal sparse kemudian memasuki proses watermarking. Citra watermark dioptimasi dengan menggunakan metode Compressive Sensing (CS). Hasil akhir dari penelitian ini menunjukkan simulasi Image Watermarking dengan Bit Error Rate (BER) mendekati nilai nol dan PSNR lebih besar dari 40 dB, tanpa diberikan serangan. Penerapan Compressive Sensing menyebabkan nilai PSNR meningkat hingga 3,5 dB dan embedding capacity menjadi empat kali lipat lebih baik. Kata Kunci: Image watermarking, Telemedicine, Stationary Wavelet Transform, Statistical Mean Manipulation, Compressive Sensing. ABSTRACT Watermarking in medical images is carried out to protect ownership rights and authenticity of a medical image. The embedding and extraction process was designed using Stationary wavelet transform (SWT) and Statistical Mean Manipulation (SMM) methods to convert the host image into a sparse signal and then enter the watermarking process. The watermark image is optimized using the Compressive Sensing (CS) method. The final result of this final project shows the simulation of Image Watermarking with the Bit Error Rate (BER) approaching zero and PSNR greater than 40 dB, without being given an attack. The application of the Compressive Sensing pursuit will cause the PSNR increase up to 3.5 dB and embedding capacity four times better. Keywords: Image watermarking, Telemedicine, Stationary Wavelet Transform, Statistical Mean Manipulation, Compressive Sensing.

Klasifikasi Grade Telur Ayam Negeri secara non- Invasive menggunakan Convolutional Neural Network NUR IBRAHIM; SOFIA SA’IDAH; BAMBANG HIDAYAT; SJAFRIL DARANA
Jurnal Elkomika Vol 10, No 2 (2022): ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektr
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v10i2.297

ABSTRAKTelur ayam negeri merupakan salah satu sumber protein yang banyak dikonsumsi masyarakat Indonesia. Untuk menjaga kualitas telur ayam negeri yang beredar di Indonesia, diperlukan sistem yang mampu mengidentifikasi grade telur ayam dan mudah digunakan oleh masyarakat. Penelitian sebelumnya telah mengembangkan sistem pengklasifikasian grade telur ayam negeri secara invasive dengan tingkat akurasi 80%, namun sistem ini membutuhkan sampel telur yang dipecahkan sehingga setiap sampel telur tersebut tidak dapat disimpan dalam waktu lama. Oleh karena itu, penelitian ini mengembangkan sistem klasifikasi grade telur ayam tanpa perlu memecahkan sampel telur ayam (non-invasive). Dengan menggunakan metode Convolutional Neural Network (CNN), sistem mampu mengidentifikasi grade telur ayam negeri pada tingkat akurasi 85,86% dengan arsitektur LeNet-5, optimizer Adam, learning rate 0,001, dan epoch 50.Kata kunci: telur ayam negeri, non-invasive, convolutional neural network, LeNet-5 ABSTRACTLocal Chicken egg are one of the sources of protein that is widely consumed by the people of Indonesia. To maintain the quality of local chicken egg in the market, a system that can identified chicken egg’s grade and easy to use is needed. Previous research has developed an invasive chicken egg’s grade classification system with 80% accuracy. However, the system required egg sample to be cracked so the egg sample can’t be stored for too long. This research develop a non-invasive chicken egg’s grade classification system, which doesn’t require egg sample to be cracked. By using Convolutional Neural Network (CNN), system can identified chicken egg’s grade at 85,86% accuracy with LeNet-5 architecture, Adam optimizer, learning rate 0,001, and epoch 50.Keywords: local chicken egg, non-invasive, convolutional neural network, LeNet-5

Pengklasifikasian Grade Telur Ayam Negeri menggunakan Klasifikasi K-Nearest Neighbor berbasis Android NUR IBRAHIM; TASYA FIKRIYAH BACHERAMSYAH; BAMBANG HIDAYAT; SJAFRIL DARANA
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 6, No 2 (2018): ELKOMIKA
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v6i2.288

ABSTRAKTelur ayam negeri yang dibeli oleh masyarakat Indonesia di toko swalayan, pasar, ataupun di peternakan memiliki grade yang berbeda-beda. Pada penelitian sebelumnya, telah dilakukan pembuatan sistem pengklasifikasian telur ayam dengan berbasis Windows, namun belum dapat digunakan secara praktis oleh masyarakat. Penelitian ini dilakukan agar masyarakat dapat menggunakannya di lapangan dalam mengklasifikasikan grade telur ayam negeri, dimana pengklasifikasian grade pada telur ayam negeri ini menggunakan klasifikasi KNearest Neighbor (K-NN) yang berbasis android. Berdasarkan hasil pengujian, sistem ini dapat mengklasifikasikan grade telur ayam negeri dengan tingkat akurasi sebesar 80% (dibandingkan menggunakan Haugh Unit Micrometer) menggunakan parameter layer 4 (grayscale), metode penghitungan jarak cosine, dan nilai k=1 dimana jumlah tetangga yang dibandingkan pada algoritma K-NN adalah 1.Kata kunci: K-NN, telur ayam negeri, android.ABSTRACTChicken eggs purchased by Indonesian people in supermarkets, markets, or farms have different grades. In the previous research, the classification system of chicken eggs has been done in the windows platform, but it cannot be used practically by the people. This research was made so the people can use it on the field to classify chicken eggs grade, using the classification of K-Nearest Neighbor (K-NN) based on android. Based on testing results of this system, can classify eggs grade chicken with an accuracy of 80% (compared with Haugh Unit Micrometer) using layer 4 (grayscale), cosine distance method, and value of k=1 which is the total of compared neighborhood in K-NN algorithm is 1.Keywords: K-NN, chicken egg, android.

Pendeteksian Lokasi Sumber Noise (Partial Discharge) secara Tiga Dimensi menggunakan Antenna Array NUR IBRAHIM
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 3, No 2 (2015): ELKOMIKA
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v3i2.106

ABSTRAKPada penelitian ini akan dilakukan simulasi teknik pendeteksian lokasi sumber noise berupa partial discharge (PD) pada peralatan tegangan tinggi, dengan menggunakan susunan antena yang terdiri dari empat buah antena monopole sebagai sensor untuk mendeteksi gelombang elektromagnetik (EM) yang dipancarkan dari partial discharge (PD). Algoritma yang digunakan mengacu kepada time difference of arrival (TDOA) dari sinyal yang diterima antar antena (dengan menjadikan salah satu antena sebagai antena referensi). Metode yang digunakan untuk menentukan TDOA adalah metode Akaike Information Criterion, metode Energy Criterion, metode Gabor Centroid, metode threshold detection, metode peak detection, dan metode cross-correlation. Sistem pendeteksian lokasi sumber noise ini menggunakan konfigurasi susunan antena membentuk Y. Jarak antar antena diatur sejauh 2 meter dan 4 meter. Berdasarkan hasil pengamatan dan analisis, konfigurasi susunan antena membentuk Y memiliki tingkat akurasi 97.67%. Metode yang paling akurat untuk menentukan TDOA adalah metode cross-correlation.Kata kunci: PD, TDOA, susunan antena.ABSTRACTThis paper presents a simulation of locating noise source (Partial Discharge) on high-voltage apparatuses, by using antenna array that consisted of four monopole antennas as sensor to record the electromagnetic waves (EM) emitted from Partial Discharge (PD). The detection algorithm is based on the time difference of arrival (TDOA) of the signals received between antennas (by using one of four antennas as reference antenna). The methods to determine TDOAs are Akaike Information Criterion method, Energy Criterion method, Gabor Centroid method, threshold detection method, peak detection method, and/or cross-correlation method. These system use Y-shaped array configuration. The adjusted distance between antennas are 2 meter and 4 meter. From the observation and analysis results, Y-shaped array antenna configuration has accuracy 97.76%. The best method to get TDOA is the cross-correlation method.Keywords: PD, TDOA, antenna array.

Compressive Sensing Audio Watermarking dengan Metode LWT dan QIM IRMA SAFITRI; NUR IBRAHIM; HERLAMBANG YOGASWARA
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 6, No 3 (2018): ELKOMIKA
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v6i3.405

ABSTRAKPenelitian ini mengembangkan teknik Compressive Sensing (CS) untuk audio watermarking dengan metode Lifting Wavelet Transform (LWT) dan Quantization Index Modulation (QIM). LWT adalah salah satu teknik mendekomposisi sinyal menjadi 2 sub-band, yaitu sub-band low dan high. QIM adalah suatu metode yang efisien secara komputasi atau perhitungan watermarking dengan menggunakan informasi tambahan. Audio watermarking dilakukan menggunakan file audio dengan format *.wav berdurasi 10 detik dan menggunakan 4 genre musik, yaitu pop, classic, rock, dan metal. Watermark yang disisipkan berupa citra hitam putih dengan format *.bmp yang masing-masing berukuran 32x32 dan 64x64 pixel. Pengujian dilakukan dengan mengukur nilai SNR, ODG, BER, dan PSNR. Audio yang telah disisipkan watermark, diuji ketahanannya dengan diberikan 7 macam serangan berupa LPF, BPF, HPF, MP3 compression, noise, dan echo. Penelitian ini memiliki hasil optimal dengan nilai SNR 85,32 dB, ODG -8,34x10-11, BER 0, dan PSNR ∞.Kata kunci: Audio watermarking, QIM, LWT, Compressive Sensing. ABSTRACTThis research developed Compressive Sensing (CS) technique for audio watermarking using Wavelet Transform (LWT) and Quantization Index Modulation (QIM) methods. LWT is one technique to decompose the signal into 2 sub-bands, namely sub-band low and high. QIM is a computationally efficient method or watermarking calculation using additional information. Audio watermarking was done using audio files with *.wav format duration of 10 seconds and used 4 genres of music, namely pop, classic, rock, and metal. Watermark was inserted in the form of black and white image with *.bmp format each measuring 32x32 and 64x64 pixels. The test was done by measuring the value of SNR, ODG, BER, and PSNR. Audio that had been inserted watermark was tested its durability with given 7 kinds of attacks such as LPF, BPF, HPF, MP3 Compression, Noise, and Echo. This research had optimal result with SNR value of 85.32 dB, ODG value of -8.34x10-11, BER value of 0, and PSNR value of ∞.Keywords: Audio watermarking, QIM, LWT, Compressive Sensing.

Title

Found 17 Documents
Search
Journal : ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi,

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 17 Documents Search Journal : ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi,

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 17 Documents
Search
Journal : ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi,