Info Kripto

Rancang Bangun Aplikasi COOL: REST API Untuk Learning Management System

Muchammad Fikri Afrizzi , R. Budiarto Hadiprakoso, Aqwam Rosadi Kardian — Mon, 18 Sep 2023 00:00:00 +0700

Seiring pesatnya perkembangan teknologi informasi penting sekali untuk membuat aplikasi yang mampu terintegrasi dengan berbagai macam aplikasi. Perkembangan yang sangat pesat itu sejalan dengan kebijakan program “kampus merdeka” untuk menciptakan sarana pendidikan yang terintegrasi dengan dunia kerja. Pada penelitian ini dibangun aplikasi API (Application Programming Interface) untuk Learning Management System (LMS) yang diberi nama COOL (Collaborative Online Learning).. Aplikasi tersebut dibangun dengan menerapkan aspek keamanan berupa JSON Web Token (JWT) dengan algoritma SHA-256 untuk dapat melakukan otentikasi terhadap pengguna ketika terjadi interaksi dengan aplikasi REST API LMS. Selain aspek keamanan, fitur-fitur yang disediakan oleh aplikasi COOL akan disesuaikan dengan kebutuhan dan proses bisnis yang berasal dari stake holder. Dalam pengembangan aplikasi COOL menggunakan metode pengembangan SCRUM dengan menggunakan framework Codeigniter. Pengujian aplikasi dilakukan dengan cara pengujian fungsional untuk menguji fitur aplikasi, pengujian keamanan dan pengujian performa. Hasil pengujian menunjukkan fungsi dan keamanan program berjalan sesaui dengan yang diharapkan. Selain itu dari hasil pengujian performa menujukkan JWT lebih unggul ketimbang PASETO Kesimpulan yang ditarik setelah melalui proses pengujian menunjukkan bahwa aplikasi COOL telah dibangun sesuai kebutuhan dengan proses bisnis serta telah memenuhi aspek keamanan yang dibutuhkan.

Sistem Pembatasan Kecepatan Autonomous Car di Indonesia

Abdul Azzam Ajhari — Mon, 18 Sep 2023 00:00:00 +0700

Perkembangan teknologi mobil yang semakin cepat membutuhkan sistem pengawasan yang lebih canggih dengan artificial intelligence (AI). Kecepatan mobil otomatis perlu dibatasi berdasarkan kondisi cuaca yang terdeteksi oleh kamera dengan penerapan pendekatan AI yang lebih dalam, yaitu deep learning (DL). Metode yang digunakan dalam penelitian ini adalah klasifikasi gambar dengan pre-trained model. Pada penelitian ini, dilakukan eksperimen menggunakan teknologi pengolahan gambar yang terintegrasi dengan AI untuk pendeteksian kondisi cuaca saat mobil bergerak. Keunggulan dari pendekatan DL adalah kemampuannya dalam mempelajari pola dan fitur yang lebih kompleks dalam gambar, sehingga mampu mengenali perubahan cuaca dengan lebih baik. Dalam penelitian ini, dilakukan perbandingan kinerja antara algoritma Convolutional Neural Network (CNN) dan ResNet18 dalam mengklasifikasikan gambar berdasarkan kondisi cuaca yang terdeteksi. Hasilnya menunjukkan bahwa kedua algoritma tersebut memiliki keunggulan dan kelemahan masing-masing. CNN memiliki keunggulan dalam mengenali fitur-fitur umum dalam gambar, sedangkan ResNet18 memiliki kemampuan yang lebih baik dalam mengatasi masalah klasifikasi gambar yang kompleks. Secara keseluruhan, penelitian ini menunjukkan bahwa penggunaan AI dengan pendekatan DL dan teknologi pengolahan gambar dapat menjadi solusi yang efektif dalam meningkatkan sistem pengawasan autonomous car. Dengan kemampuan untuk mendeteksi kondisi cuaca secara akurat, sistem ini dapat memberikan informasi yang relevan kepada pengemudi atau sistem pengendalian otomatis, sehingga meningkatkan keamanan dan kenyamanan dalam berkendara.

The rapid development of automobile technology requires a more sophisticated surveillance system with artificial intelligence (AI). The speed of autonomous cars needs to be limited based on the weather conditions detected by the camera by applying a deeper AI approach, namely deep learning (DL). The method used in this research is image classification with pre-trained models. This research conducted experiments using image processing technology integrated with AI to detect weather conditions while the car is moving. The advantage of the DL approach is its ability to learn more complex patterns and features in images so that it can better recognize weather changes. This study used a performance comparison between Convolutional Neural Network (CNN) and ResNet18 algorithms to classify images based on detected weather conditions. The results show that both algorithms have their advantages and disadvantages. CNN has the advantage of recognizing common features in images, while ResNet18 has a better ability to tackle complex image classification problems. Overall, this research shows that the use of AI with a DL approach and image processing technology can be an effective solution in improving autonomous car surveillance systems. With the ability to accurately detect weather conditions, the system can provide relevant information to the driver or the automatic control system, thereby improving driving safety and comfort.

Otomatisasi Simulasi Quantum Key Distribution Berdasarkan Protokol BB84 pada EDU-QCRY1

Naufal Hafiz Syahidan, Mohamad Syahral — Mon, 18 Sep 2023 00:00:00 +0700

Perangkat EDU-QCRY1 merupakan perangkat untuk menyimulasikan protokol BB84 yaitu salah satu protokol Quantum Key Distribution (QKD). Quantum Key Distribution merupakan teknik pendistribusian kunci dengan menggunakan metode kuantum dengan memanfaatkan sifat cahaya sebagai partikel dalam bentuk foton. Perangkat EDU-QCRY1 yang dijalankan secara manual memiliki berbagai keterbatasan dalam penggunaannya seperti waktu operasi dan akurasi simulasi yang tergantung pada keterampilan dan ketelitian pengguna. Penelitian ini merancang-bangun sebuah sistem otomatisasi perangkat EDU-QCRY1 dengan menggunakan beberapa perangkat tambahan seperti arduino, motor servo yang dimodifikasi dengan gear dan sensor Light Dependent Resistor (LDR). Perancangan system dibagi menjadi dua versi, sistem versi I menggunakan skenario motor servo pada pengiriman foton, friksi langsung servo pada rotasi polarisator, sensor LDR dengan lakban pada penerimaan bit, dan penyimpanan hasil simulasi pada serial monitor Arduino. Sementara pada sistem versi II, yang merupakan pengembangan dari sistem versi I, menggunakan skenario motor servo pada pengiriman foton, servo dengan gear ratio pada rotasi polarisator, sensor LDR dengan casing pada penerimaan bit, dan penyimpanan hasil simulasi pada database MySQL. Setiap sistem versi dilakukan pengujian unit testing, integration testing, system testing, dan performance testing. Sistem versi II merupakan sistem utama pada sistem otomatisasi dan merupakan sistem versi terakhir yang dirancang. Pengambilan data hasil otomatisasi dilakukan dengan mentransmisikan 100 bit dalam setiap percobaan yang dilakukan 10 kali. Waktu proses otomatisasi diambil dari langkah awal pembangkitan angka acak hingga bit kunci hasil simulasi diproduksi yang didapatkan hasil waktu proses rata rata dari 100 bit yang ditransmisikan adalah selama 7 menit 34,9 detik atau 4 kali lebih cepat dibandingkan proses QKD secara manual. Pengambilan data akurasi didapatkan dari total jumlah bit yang diterima dibandingkan dengan total jumlah bit yang dikirimkan dan didapatkan hasil akurasi sebesar 94%.

Implementasi Algoritme AES-256 pada Sistem Pemantauan Getaran Gempa Bumi Menggunakan Perangkat LoRa dan Antena Yagi Untuk Pengiriman Informasi Darurat yang Aman

Desi Marlena, Rizky Kurniadi, Dian Novita Aryani — Mon, 18 Sep 2023 00:00:00 +0700

Teknologi pemantauan getaran gempa bumi masih terdapat kendala dalam pengumpulan data informasi seperti membutuhkan tenaga manusia dan waktu cukup lama. Salah satu teknologi getaran gempa yaitu sistem jaringan sensor nirkabel yang dapat mempermudah dalam pengukuran data lapangan serta memberikan suatu sistem deteksi gempa bumi. Dengan menggunakan media transmisi yang banyak diterapkan dalam jaringan sensor yaitu LoRa (Long Range) diharapkan prototype sistem pemantauan getaran gempa dapat mengatasi masalah yang terjadi. Pengujian dilakukan dengan dua skema yaitu sistem tanpa AES dan sitem dengan AES serta pengujian di dua kondisi yaitu LOS dan NLOS. Hasil pengujian jarak maksimal yang dicapai dalam berkomunikasi pada kondisi LOS adalah 9600 Meter sedangkan kondisi NLOS mencapai 6000 Meter. Hasil rata-rata nilai RSSI tertinggi pada jarak 500 Meter kondisi LOS tanpa AES adalah -88,8 dBm sedangkan nilai terendah pada jarak 6000 Meter kondisi NLOS dengan AES adalah -123,7 dBm.

Analisis Forensik Drone Menggunakan Metode Clark et al. dan Renduchintala et al. (Studi Kasus: DJI Phantom 3 Standard)

Desi Marlena, Bima Rakin, Devi Clarissa — Mon, 18 Sep 2023 00:00:00 +0700

Unmanned Aerial Vehicle (UAV) atau drone adalah pesawat yang dimaksudkan untuk beroperasi tanpa pilot di dalamnya. Pada awalnya, drone dimanfaatkan untuk berbagai aplikasi yang bermanfaat, misalnya dalam hal pertahanan, penanganan bencana, pengiriman barang, dan hiburan. Tetapi, seiring dengan berjalannya waktu, drone disalahgunakan untuk kegiatan yang melanggar hukum seperti pelanggaran privasi maupun penyelundupan barang-barang terlarang. Drone forensics merupakan ilmu terkait menemukan, melakukan ekstraksi, dan menganalisis data dari suatu perangkatan yang dapat dimanfaatkan untuk mendapatkan informasi berharga untuk mendukung investigasi pada tindak kejahatan kriminal dari segi fisik maupun lingkup siber (cybercrime). Pada penelitian ini, dilakukan drone forensics menggunakan metode Clark et al. dan Renduchintala et al. pada drone DJI Phantom 3 Standard. Drone forensics yang dilakukan bertujuan untuk mengambil data- data yang terdapat pada perangkat drone maupun perangkat mobile. Hasil yang didapatkan dari penelitian ini yaitu terdapat data dari memori internal drone, memori gimbal rig, dan penyimpanan perangkat mobile yang dapat dimanfaatkan untuk mendukung suatu investigasi.