Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Pada penelitian kali ini, dikembangkan sistem enkripsi citra digital berbasis Chaos yang akan digunakan pada proses pengiriman citra telemedicine. Sistem enkripsi citra digital ini digunakan untuk mengamankan transmisi citra telemedicine dengan baik. Sistem Enkripsi ini dikembangkan menggunakan arsitektur Substitution dan Diffusion. Substitution merupakan proses pengacakan piksel-piksel pada citra digital pada perancangan kali ini proses Substitution menggunakan metode Triangular Map, Sedangkan Diffusion merupakan proses penyamaran piksel piksel citra digital atau proses masking dengan menggunakan metode Logistic map. Sistem ini dikembangkan dengan menggunakan Bahasa pemrograman Python. Proses enkripsi citra dirancang untuk menjalankan skema Substitution terlebih dahulu lalu skema Diffusion. Begitu pula pada proses dekripsi citra skema Diffussion dijalankan terlebih dahulu lalu skema Substitution. Didapatkan hasil bahwa sistem ini dapat menaikan nilai Entropi dari 6,023376 menjadi 7,902289. Dan menurunkan nilai koefisien korelasi antar piksel dari 0,995740 menjadi 0,004858 pada bidang horizontal, 0,990354 menjadi 0,010739 pada bidang vertical dan sistem enkripsi ini memiliki sensitifitas secret key dengan presisi 1×1030.

---

In this study, a Chaos-based digital image encryption sistem was developed that will be used in the process of transmitting telemedicine images. This digital image encryption sistem is used to secure telemedicine image transmission well. This Encryption Sistem was developed using the Substitution and Diffusion architecture. Substitution is the process of randomizing pixels in a digital image. This time the Substitution process uses the Triangular Map method, while Diffusion is the process of disguising digital image pixels or masking process using the Logistic map method. This sistem was developed using the Python programming language. The image encryption process is designed to run the Substitution scheme first and then the Diffusion scheme. Likewise in the process of decryption the Diffussion scheme is run first then the Substitution scheme. The results show that this sistem can increase the value of Entropi from 6.023376 to 7.902289. And decrease the correlation coefficient between pixels from 0.995740 to 0.004858 in the horizontal plane, 0.990354 to 0.010739 in the vertical plane and this encryption sistem has a secret key sensitivity with a precision of 1×1030..

Abstrak :
Sistem Penilaian Otomatis SIMPLE-O selama ini dikembangkan dengan pemrograman PHP di Departemen Teknik Elektro Fakultas Teknik Universitas Indonesia. Namun akurasi SIMPLE-O saat ini belum cukup tinggi untuk dapat digunakan secara praktis. SIMPLE-O kemudian dilanjutkan pengembangannya menggunakan pemrograman Bahasa C, tidak hanya untuk mencoba meningkatkan akurasi SIMPLE-O, tapi juga untuk memperluas penggunaannya. Untuk dapat meningkatkan akurasi penilaian SIMPLE-O diintegrasikan learning vector quantization LVQ pada pengembangannya. Skripsi ini membahas bagaimana pengembangan SIMPLE-O dengan LVQ menggunakan pemrograman Bahasa C.Seberapa banyak bagian data sampel yang digunakan pada saat training mempengaruhi performa penilaian. Semakin sedikit data yang digunakan pada fase training, maka akan terjadi penurunan akurasi pada fase evaluasi. Akurasi penilaian juga dipengaruhi proses ekstraksi ciri-ciri teks yang dilakukan menggunakan latent semantic analysis LSA dan singular value decomposition SVD . Akurasi penilaian dapat berubah ketika singular value yang dihasilkan, di proses terlebih dulu dengan frobenius norm dan vector angle. Faktor lainnya seperti jumlah kata-per-kolom matriks LSA tidak begitu mempengaruhi akurasi penilaian. Pada akhir percobaan, akurasi SIMPLE-O dengan LVQ secara rata-rata adalah 52.27 . Dengan menambahkan LVQ, akurasi SIMPLE-O mengalami peningkatan sebesar 41.67. ......Sistem Penilaian Otomatis SIMPLE O was developed using PHP at Departemen Teknik Elektro Fakultas Teknik Universitas Indonesia. But the resulting accuracy of the SIMPLE O was not reliable enough to be used practically. Right now, SIMPLE O was being developed using C Programming Language. This was done to increase its reliability and to further widen its applications. To increase the accuracy of SIMPLE O, learning vector quantization LVQ was integrated as part of the new program. This Paper was written to address the development of SIMPLE O with LVQ.With less data used in LVQ training phase there will a decrease in the resulting accuracy of the validation phase. The accuracy was also affected by the method of how well the extraction of the text characteristic using latent semantic analysis LSA and singular value decomposition SVD . Additional process of the resulting singular value will result in change of accuracy. The number of words per column when creating the LSA matrix did not have any significant effect. At the end, SIMPLE O with LVQ has an average accuracy of 52.27. Implementation of LVQ give an increase of 41.67 of the accuracy.