49971 research outputs found
Sort by
Implementasi Modul Frontend Mobile-First untuk Executive Dashboard di PT Telkom Indonesia Berbasis NextJs
No full textDi tengah gempuran transformasi digital, ketangkasan dalam mengeksekusi keputusan strategis berbasis data secara cepat dan efisien menjadi pembeda utama bagi pemain telekomunikasi seperti PT Telkom Indonesia. Aksesibilitas data kinerja kunci, terutama melalui perangkat seluler, menjadi tantangan bagi jajaran eksekutif. Proyek “Telkom Executive Dashboard” diinisiasi untuk menjawab kebutuhan ini dengan menyediakan platform terpusat untuk memantau metrik seperti Net Promoter Score (NPS) dan kinerja unit bisnis. Kerja praktik ini berfokus pada implementasi modul front-end aplikasi dasbor tersebut dengan pendekatan mobile-first. Pengembangan dilakukan menggunakan framework Next.js versi 14, library React 18, Tailwind CSS untuk styling, dan @tanstack/react-query untuk manajemen server state, dengan strategi Client-Side Rendering (CSR). Lingkup implementasi mencakup tiga modul utama: Top-Down, Bottom-Up, dan AI Initiatives, serta fitur visualisasi data interaktif dan sistem navigasi custom. Hasil dari kerja praktik ini adalah sebuah prototipe front-end yang fungsional, responsif, dan siap diintegrasikan dengan layanan back-end, yang telah divalidasi melalui pengujian fungsional manual.
==================================================================================================================================
Amidst the onslaught of digital transformation, agility in executing data-driven strategic decisions quickly and efficiently is a key differentiator for telecommunications players like PT Telkom Indonesia. Accessibility of key performance data, especially via mobile devices, is a challenge for executives. The "Telkom Executive Dashboard" project was initiated to address this need by providing a centralized platform for monitoring metrics such as Net Promoter Score (NPS) and business unit performance. This internship focused on implementing the dashboard application's front-end module with a mobile-first approach. Development was carried out using the Next.js framework version 14, the React 18 library, Tailwind CSS for styling, and @tanstack/react-query for server state management, with a Client-Side Rendering (CSR) strategy. The implementation scope encompassed three main modules: Top-Down, Bottom-Up, and AI Initiatives, as well as interactive data visualization features and a custom navigation system. The result of this internship is a functional, responsive front-end prototype ready for integration with back-end services, which has been validated through manual functional testing
Implementasi Tata Kelola dan Manajemen Risiko TI Berbasis ISO27001:2022 dan COBIT 2019 pada PT GMF Aeroasia Tbk.
No full textKerja Praktik ini bertujuan untuk mendukung PT GMF Aeroasia Tbk., perusahaan internasional penyedia jasa Maintenance, Repair, dan Overhaul (MRO) pesawat, dalam mengoptimalkan keamanan informasi dan mempersiapkan sertifikasi standar global. Tugas utama berfokus pada bidang IT Governance, Risk, and Compliance (GRC), khususnya pada IT Risk. Metodologi yang digunakan meliputi tahap persiapan (mempelajari konteks MRO dan IT Risk), studi literatur, dan pelaksanaan kerja praktik yang melibatkan analisis risiko IT, penyusunan dokumen pendukung ISO 27001:2022, analisis aplikasi kritikal bisnis, dan implementasi Part-IS EASA.Hasil pekerjaan mencakup analisis risiko IT (menggunakan skala probabilitas dan dampak 1-5) dengan rekomendasi mitigasi berdasarkan kontrol COBIT 2019, serta penentuan risiko residual setelah pengendalian. Selain itu, berhasil disusun Kebijakan Keamanan Informasi berbasis ISO 27001:2022 yang berfokus pada kontrol Annex A (Organisasi, SDM, Fisik, Teknologi) untuk aplikasi kritikal kelangsungan bisnis korporasi. Kerja Praktik ini juga melibatkan penyusunan Implementasi Part-IS EASA melalui mapping dengan ISO 27001:2022. Laporan ini memberikan kontribusi nyata dalam upaya PT GMF Aeroasia Tbk. mencapai kepatuhan standar keamanan informasi yang tinggi di lingkungan penerbangan sipi
Pengumpulan Dan Klasifikasi Gambar Rumah Adat Indonesia Dengan Metode Deep Learning
No full textIndonesia memiliki keberagaman budaya yang tercermin melalui rumah adat dari setiap provinsi. Di era digital, upaya pelestarian dan dokumentasi visual rumah adat dapat ditunjang melalui pemanfaatan teknologi pengumpulan dan klasifikasi data berbasis kecerdasan buatan. Kerja praktik ini bertujuan untuk mengumpulkan dataset gambar rumah adat Indonesia dalam skala besar menggunakan metode web crawling dan web scraping melalui Google Custom Search Engine (CSE), kemudian melakukan proses penyaringan dan penyuntingan manual untuk memastikan relevansi serta kualitas data. Dataset yang telah diproses digunakan untuk pelatihan model klasifikasi gambar berbasis deep learning menggunakan arsitektur transfer learning ResNet18 dan EfficientNet. Pelatihan model dilakukan pada dataset yang telah melalui proses augmentasi, resize, dan normalisasi piksel. Evaluasi performa menggunakan metrik akurasi, precision, recall, F1-score, confusion matrix, serta analisis loss progression untuk memantau indikasi overfitting. Hasil dari penelitian ini mendapatkan 1199 gambar rumah adat yang mampu digunakan untuk proses training serta mendapatkan model dengan akurasi tertinggi 0.76.
====================================================================================================================================
Indonesia’s cultural diversity is reflected in the traditional houses found across its provinces. In the digital era, efforts to preserve and visually document these traditional houses can be supported through data-driven and AI-based technologies. This internship project aims to collect a large-scale image dataset of Indonesian traditional houses using web crawling and web scraping methods via the Google Custom Search Engine (CSE), followed by manual filtering and editing to ensure data relevance and quality. The processed dataset is then used to train deep learning–based image classification models employing transfer learning architectures, namely ResNet18 and EfficientNet. Model training is conducted on augmented, resized, and normalized images. Performance evaluation includes accuracy, precision, recall, F1-score, confusion matrix, and loss-progression analysis to monitor potential overfitting. The study resulted in a dataset of 1,199 usable images and achieved a highest model accuracy of 0.76
Studi Komparasi Kakas Bantu Pengujian Otomatis pada Aplikasi Berbasis Web Berdasarkan Aspek Time Behavior dan Resource Utilization pada ISO/IEC 25010 dengan Memanfaatkan Docker Container
No full textPengujian otomatis didefinisikan sebagai penggunaan program yang didesain khusus untuk mengendalikan eksekusi test case dari perangkat lunak yang diuji. Program ini berupa kakas bantu pengujian otomatis. Terdapat cukup banyak jumlah pilihan kakas bantu pengujian otomatis yang beredar. Oleh karena itu untuk memilih kakas bantu yang cocok untuk pengguna atau tim pengembang diperlukan informasi untuk membandingkan antar kakas bantu. Dalam studi komparasi ini berfokus pada salah satu aspek yang diambil dari model ISO 25010, yaitu aspek Time Behavior dan Resource Utilization yang termasuk pada kategori Resource Utilization dari suatu sistem atau perangkat lunak. Tugas akhir ini juga menggunakan docker container, untuk membantu pengambilan data dan memastikan data yang diambil terisolasi. Hasil studi komparasi ini menunjukkan bahwa kakas bantu pengujian otomatis menunjukkan Playwright memiliki penggunaan memori paling sedikit, 0.66% lebih kecil dibanding Cypress, dan 41.53% lebih kecil dibanding WebdriverIo dan Playwright juga memiliki Time Behavior yang paling baik dengan waktu eksekusi lebih kecil 60.52% dibanding WebdriverIo dan 73.94% lebih kecil dibanding Cypress. Dengan Cypress dan WebdriverIo, Sedangkan Cypress memiliki penggunaan CPU paling sedikit, 17.84% lebih kecil dari Playwright, dan 57.89% lebih kecil dari WebdriverIo.
======================================================================================================================================
Automation testing is defined as the use of programs designed specifically to control test case execution. These programs are called test automation tools. There are a respectable amount of test automation tools available to use. To help in choosing the proper test automation tools for the user or development team, there is a need to research further information to compare between test automation tools.
This Comparative Study focuses on the aspect based on ISO 25010, which is the Time Behavior and Resource Utilization aspects, which are part of the Resource Utilization of a system or software. This study also uses docker container, to assist in the process of data collection and maintaining isolated data. In this study we found that Playwright have an advantage on memory usage, 0.66% less memory usage when compared to Cypress and 41.53% less when compared to WebdriverIo. Playwright also have an advantage on execution time, 60.52% shorter when compared to WebdriverIo nad 73.94% shorter when compared to Cypress. Meanwhile Cypress have an advantage regarding CPU Usage when compared to Playwright, around 17.84% smaller cpu usage, and WebdriverIo, around 57.89% smaller cpu usage
Analisis Pengaruh Konsentrasi Propolis Dengan Metode Dip Coating Pada Crosslink Glutaraldehyde Terhadap Morfologi, Kuat Tekan, Bioaktivitas, dan Laju Release Pada Bovine Hydroxyapatite
No full textUntuk memperbaiki properties bovine hydroxyapatite, pemberian crosslinker dapat menjadi salah satu metode yang dapat diterapkan. Glutaraldehyde merupakan agen crosslinker yang umum digunakan pada material bioaktif karena efektif untuk meningkatkan sifat biomekanik dengan cara membentuk ikatan yang kuat dalam matriks. Di sisi lain, penambahan propolis pada material bone graft dapat memberikan sifat antiinflamasi karena mengandung senyawa flavonoid yang dapat meningkatkan sel fibroblas. Penelitian ini bertujuan untuk menganalisis pengaruh konsentrasi propolis dengan crosslinker glutaraldehyde terhadap morfologi, biokompabilitas, kuat tekan, serta laju release propolis pada Bovine Hydroxyapatite (BHA). BHA di-immerse pada larutan glutaraldehyde (0,1 dan 0,5%) selama 24 jam, dilanjut dengan proses dehydrothermal treatment (DHT) pada temperatur 120 °C selama 30 menit. Selanjutnya, BHA/glutaraldehyde diimerse dengan larutan propolis dengan variasi konsentrasi 25, 50, dan 75%(%volume) selama 24 jam dan dikeringkan selama 24 jam pada temperatur 45 °C. Hasil uji tekan scaffold BHA/glutaraldehyde/propolis menunjukkan peningkatan sebesar ± 9 MPa dibandingkan BHA murni. Peningkatan nilai kuat tekan terlihat pada konsentrasi propolis 50% diikuti penurunan pada konsentrasi propolis 75% pada seluruh variasi glutaraldehyde. Hasil porositas yang dianalisis menggunakan SEM juga menunjukkan hasil yang linear dengan hasil uji tekan. Penambahan konsentrasi propolis juga meningkatkan kadar air. Pada uji aktivitas antibakteri, penambahan persentase propolis mampu menghambat pertumbuhan bakteri S. Aureus hingga 25,4 mm pada sampel BHA/P75 namun penambahan konsentrasi glutaraldehyde menurunkan sifat antibakteri scaffold. Di sisi lain, konsentrasi glutaraldehyde pada scaffold BHA/glutaraldehyde/propolis mampu memperlambat difusi propolis dan pelepasan yang lebih terkendali (sustained release) selama 14 hari.
=======================================================================================================================================
To improve the properties of bovine hydroxyapatite, the use of a crosslinker can be an effective method. Glutaraldehyde is a commonly used crosslinking agent in bioactive materials because it effectively enhances biomechanical properties by creating strong bonds within the matrix. On the other hand, incorporating propolis into bone graft materials can provide anti-inflammatory properties, as propolis contains flavonoid compounds that can stimulate fibroblast cells. This study aims to analyze the effects of varying concentrations of propolis in combination with the glutaraldehyde crosslinker on the morphology, biocompatibility, compressive strength, and propolis release rate in Bovine Hydroxyapatite (BHA). BHA was immersed in glutaraldehyde solutions (0.1% and 0.5%) for 24 hours, followed by a dehydrothermal treatment (DHT) at 120°C for 30 minutes. The BHA/glutaraldehyde samples were then immersed in propolis solutions at concentrations of 25%, 50%, and 75% (v/v) for 24 hours and subsequently dried at 45°C for 24 hours. The compressive strength test results for the BHA/glutaraldehyde/propolis scaffold showed an increase of approximately 9MPa compared to pure BHA. The highest increase in compressive strength was observed at 50% propolis concentration, followed by a decrease at 75% propolis for all variations of glutaraldehyde. Porosity results analyzed using SEM also showed a linear correlation with the compressive test results. Increasing the concentration of propolis also led to higher water content. In antibacterial activity tests, increasing the percentage of propolis inhibited Staphylococcus aureus growth up to 25.4mm in the BHA/P75 sample. However, increasing the concentration of glutaraldehyde reduced the antibacterial properties of the scaffold. Conversely, the glutaraldehyde concentration in the BHA/glutaraldehyde/propolis scaffold was able to slow down propolis diffusion and achieve more controlled (sustained) release over 14 days
Analisis Pengaruh Waktu Ultrasonik Dan Ph Larutan Alkali Pada Netralisasi Ekstraksi Alginat Dari Sargassum sp. Terhadap Hasil Rensemen Dan Karakteristik Produk
No full textRumput laut merupakan salah satu sumber utama dalam produksi hidrokoloid, seperti karaginan, agar, dan alginat. Namun demikian, pemanfaatan alginat di Indonesia masih belum optimal jika dibandingkan dengan jenis hidrokoloid lainnya. Salah satu metode yang cukup efektif dalam ekstraksi alginat adalah penambahan proses ultrasonik, karena mampu mempercepat pelepasan senyawa dari matriks sel melalui efek kavitasi. Proses ekstraksi alginat memerlukan pemilihan metode dan parameter proses yang tepat karena berpengaruh langsung terhadap hasil produk akhir. Penelitian ini bertujuan untuk mengevaluasi pengaruh variasi waktu ultrasonikasi dan pH larutan alkali pada tahap netralisasi terhadap rendemen serta karakteristik sodium alginat yang dihasilkan. Sargassum sp. dipilih sebagai bahan baku karena diketahui memiliki kandungan alginat yang relatif tinggi. Ekstraksi dilakukan menggunakan metode jalur asam yang dikombinasikan dengan perlakuan sonikasi. Variasi perlakuan meliputi waktu ultrasonikasi (90, 120, dan 150 menit) dan pH larutan alkali (10, 11, dan 12) dengan komposisi larutan berupa campuran NaCl 3,5%, amonia 28%, dan KOH. Hasil menunjukkan bahwa rendemen tertinggi (66,7%) diperoleh pada perlakuan pH 11 dan waktu ultrasonikasi 120 menit. Analisis FTIR menunjukkan penurunan intensitas gugus fungsi saat ultrasonikasi yang terlalu lama dan hilangnya beberapa gugus fungsi OH dan karbonil pada pH 12. Peningkatan pH menyebabkan penurunan viskositas, kadar air, dan berat molekul. Waktu ultrasonikasi juga berpengaruh terhadap penurunan berat molekul, meskipun pengaruhnya tidak signifikan. Analisis ¹H-NMR menunjukkan rasio M/G sebesar 2,41, yang lebih tinggi dibandingkan dengan alginat komersial, mengindikasikan dominasi struktur M-blok.
=====================================================================================================================================
Seaweed is one of the main sources in the production of hydrocolloids such as carrageenan, agar, and alginate. However, the utilization of alginate in Indonesia remains suboptimal compared to other types of hydrocolloids. One effective method for extracting alginate is the application of ultrasonic treatment, as it accelerates the release of compounds from the cell matrix through cavitation effects. The alginate extraction process requires the selection of appropriate methods and process parameters, as they directly affect the final product. This study aims to evaluate the effects of varying ultrasonic duration and alkali solution pH during the neutralization stage on the yield and characteristics of the resulting sodium alginate. Sargassum sp. was selected as the raw material due to its relatively high alginate content. Extraction was carried out using an acid pathway method combined with sonication. The treatments included ultrasonic durations of 90, 120, and 150 minutes, and pH levels of 10, 11, and 12, using a solution composed of 3.5% NaCl, 28% ammonia, and KOH. The highest yield (66.7%) was obtained at pH 11 and 120 minutes of ultrasonication. FTIR analysis showed decreased functional group intensity with prolonged sonication and the loss of OH and carbonyl groups at pH 12. Increasing pH reduced viscosity, moisture content, and molecular weight. Ultrasonication time also influenced molecular weight reduction, though the effect was not significant. ¹H-NMR analysis showed an M/G ratio of 2.41, higher than that of commercial alginate, indicating a dominance of M-block structures
Rancang Bangun Sistem Pengendalian Turbisity Berbasis Type-2 Fuzzy Logic Controller (T2-FLC) untuk Mendukung Sistem Auto Feeder pada Kolam Ikan Gurami
No full textPengendalian kualitas air merupakan aspek yang sangat penting dalam budidaya ikan gurami, khususnya pada parameter turbidity (kekeruhan) yang mempengaruhi kesehatan dan pertumbuhan ikan gurami. Kekeruhan air, yang disebabkan oleh material tersuspensi, dapat mengganggu fotosintesis dan meningkatkan total padatan terlarut, yang berdampak negatif pada kesehatan ikan gurami. Penelitian ini bertujuan untuk mengembangkan sistem kontrol kekeruhan (turbidity) menggunakan metode Type-2 Fuzzy Logic Controller (T2-FLC) pada kolam budidaya ikan gurami. Metodologi yang digunakan berbasis eksperimen meliputi pengujian kalibrasi sensor, karakterisasi aktuator, serta uji open loop dan closed loop. Sensor turbidity yang digunakan yaitu SKU:SEN 0189, telah dilakukan karakteristik statis yang berupa akurasi, presisi, dan ketidakpastian diperluas pada sensor kekeruhan (turbidity) masing-masing sebesar 95,49%, 99,05%, dan 6,38%. Sistem pengendalian turbidity pada kolam ikan Gurami berbasis Type-2 Fuzzy Logic Controller (T2-FLC) berhasil diimplementasikan secara efektif pada kolam budidaya yang mampu mengatasi ketidakpastian dengan lebih baik. Sistem kontrol mampu mengendalikan turbidity dari kondisi keruh (130-180 NTU) hingga mencapai setpoint 50 NTU secara stabil. Hasil pengujian implementasi sistem pengendalian turbidity pada kolam ikan Gurami berbasis Type-2 Fuzzy Logic Controller (T2-FLC) diperoleh berupa fall time, settling time, undershoot dan steady state error pada kekeruhan (turbidity) masing-masing sebesar 200 detik, 1700 detik, 0%, dan 0%. Dengan kekeruhan (turbidity) yang mampu mencapai setpoint dalam keadaan stabil setelah diterapkan sistem kontrol maka menunjukkan performansi yang baik untuk mendukung sistem Auto Feeder pada kolam ikan Gurami.
========================================================================================================================================
Water quality control is a very important aspect in gourami fish farming, particularly regarding the turbidity parameter that affects the health and growth of gourami fish. Water turbidity, caused by suspended materials, can disrupt photosynthesis and increase total dissolved solids, which negatively impacts gourami fish health. This research aims to develop a turbidity control system using the Type-2 Fuzzy Logic Controller (T2-FLC) method in gourami fish farming ponds. The methodology used is experiment-based, including sensor calibration testing, actuator characterization, and open loop and closed loop testing. The turbidity sensor used, SKU:SEN 0189, has undergone static characterization including accuracy, precision, and expanded uncertainty for the turbidity sensor of 95.49%, 99.05%, and 6.38%, respectively. The turbidity control system in gourami fish ponds based on Type-2 Fuzzy Logic Controller (T2-FLC) has been successfully implemented effectively in farming ponds and is capable of handling uncertainty better. The control system is able to control turbidity from turbid conditions (130-180 NTU) to reach a stable setpoint of 50 NTU. The implementation test results of the turbidity control system in gourami fish ponds based on Type-2 Fuzzy Logic Controller (T2-FLC) obtained fall time, settling time, undershoot, and steady state error for turbidity of 200 seconds, 1700 seconds, 0%, and 0%, respectively. With turbidity being able to reach the setpoint in a stable condition after applying the control system, it demonstrates good performance to support the Auto Feeder system in gourami fish ponds
Desain Furnitur Anak Usia 3 - 12 Tahun dengan Konsep Tumbuh Menggunakan Pendekatan Montessori
No full textFurniture anak merupakan elemen penting dalam mendukung perkembangan fisik, kognitif, dan emosional anak. Namun, masih ditemukan permasalahan dalam desain furniture anak yang kurang fleksibel, tidak ergonomis, serta tidak mendukung kemandirian anak sesuai dengan pendekatan Montessori. Hal ini berdampak pada terbatasnya fungsi edukatif dan keterlibatan anak dalam aktivitas sehari-hari di rumah. Penelitian ini bertujuan untuk merancang meja dan lemari Alat Peraga Edukasi (APE) Montessori yang ergonomis, fleksibel, dan adjustable sehingga dapat menyesuaikan pertumbuhan anak usia 3–12 tahun serta mendukung konsep prepared environment di rumah. Metode yang digunakan mencakup pengumpulan data primer melalui observasi, wawancara mendalam, dan penyebaran kuesioner kepada orang tua, serta data sekunder dari literatur terkait Montessori, ergonomi, dan desain produk anak. Perancangan produk difokuskan pada dua jenis furniture utama, yaitu meja belajar dan rak penyimpanan APE, dengan fitur utama berupa kemudahan akses, keamanan, dan keberfungsian edukatif. Hasil dari proses ini adalah desain furniture tumbuh yang bisa di adjustable dengan material utama plywood dan struktur rangka besi hollow yang ringan, kokoh, serta aman untuk anak. Evaluasi terhadap pengguna menunjukkan bahwa desain telah memenuhi kebutuhan anak dalam hal fungsi, kenyamanan, keamanan, serta fleksibilitas penggunaan dalam jangka panjang. Desain ini diharapkan dapat menjadi solusi furniture edukatif yang mendukung pertumbuhan dan pembelajaran mandiri anak di lingkungan rumah sesuai prinsip Montessori
Prediksi Harga Cryptocurrency Dengan Menggunakan Model Informer
No full textCryptocurrency merupakan mata uang digital berbasis teknologi blockchain yang memungkinkan transaksi dilakukan secara virtual. Popularitasnya yang terus meningkat dalam beberapa tahun terakhir telah menarik perhatian banyak investor. Namun, pertumbuhan pesat ini juga disertai dengan tingkat volatilitas harga yang tinggi, sehingga menciptakan peluang keuntungan yang besar sekaligus risiko yang signifikan. Dalam konteks ini, prediksi harga cryptocurrency menjadi sangat penting untuk mendukung pengambilan keputusan dan manajemen risiko. Meski demikian, proses prediksi harga cryptocurrency tidaklah mudah karena pola pergerakan harga yang cenderung kompleks dan bersifat non-linier. Dalam penelitian ini, diterapkan model Informer, sebuah arsitektur deep learning yang dirancang untuk menangani deret waktu dengan efisiensi komputasi lebih baik dibandingkan Transformer konvensional. Model ini dilatih menggunakan data historis dengan rentang waktu dari 1 Februari 2015 hingga 1 Februari 2025. Penelitian ini dilakukan dengan empat skenario panjang prediksi, yaitu 1 hari, 7 hari, 30 hari, dan 90 hari, serta dua arsitektur model, yaitu Informer dan Transformer, yang masing-masing diuji dengan dua konfigurasi window size 120 dan 180. Hasil eksperimen menunjukkan bahwa Informer secara konsisten mencatatkan performa evaluasi yang lebih baik dibandingkan Transformer, baik pada prediksi jangka pendek maupun jangka panjang. Selain itu, window size 180 menghasilkan hasil yang lebih akurat dibandingkan window size 120. Kombinasi terbaik diperoleh pada model Informer dengan window size 180 dan panjang prediksi 1 hari, yang mencatatkan nilai MSE sebesar 1.054, MAE sebesar 0.245, MAPE sebesar 1.079%, serta waktu pelatihan yang efisien yaitu 5792.59 detik. Secara keseluruhan, Informer tidak hanya unggul dalam hal akurasi, tetapi juga menunjukkan efisiensi waktu pelatihan yang lebih baik dibandingkan Transformer di seluruh skenario, sehingga menjadikannya pilihan yang lebih unggul dan praktis untuk prediksi harga cryptocurrency berbasis data deret waktu.
=========================================================================================================================================
Cryptocurrency is a digital currency based on blockchain technology that enables transactions to be carried out virtually. Its increasing popularity in recent years has attracted the attention of many investors. However, this rapid growth is also accompanied by a high degree of price volatility, creating both significant profit opportunities and risks. In this context, cryptocurrency price prediction becomes essential to support decision-making and risk management. Nevertheless, predicting the price of cryptocurrency is not an easy task due to the complex and non-linear nature of its price movements. This study applies the Informer model, a deep learning architecture designed to handle time series data with better computational efficiency compared to the conventional Transformer. The model was trained using historical data ranging from February 1, 2015 to February 1, 2025. This study was conducted using four prediction length scenarios, namely 1 day, 7 days, 30 days, and 90 days, and two model architectures, Informer and Transformer, each tested with two window size configurations: 120 and 180. The experimental results show that Informer consistently outperformed Transformer in terms of evaluation metrics, both in short-term and long-term predictions. In addition, the window size of 180 generally resulted in better accuracy compared to window size 120. The best combination was achieved by the Informer model with a window size of 180 and a prediction length of 1 day, which recorded the lowest error values with an MSE of 1.054, MAE of 0.245, MAPE of 1.079%, and an efficient training time of 5792.59 seconds. Overall, Informer not only excels in terms of accuracy but also demonstrates better training time efficiency compared to Transformer across all scenarios, making it a superior and practical choice for cryptocurrency price prediction based on time series data
Mengurangi Distorsi Dalam Dual-Image Reversible Data Hiding (RDH) Menggunakan Downscaling Data Rahasia
No full textKeamanan data merupakan aspek krusial dalam era digital, dalam hal ini salah satu pendekatan yang banyak digunakan yaitu data hiding yang berfokus pada penyembunyian pesan dalam suatu media, sehingga keberadaan pesan tersebut tersamarkan. Reversible Data Hiding (RDH) menjadi pendekatan yang banyak digunakan karena kemampuannya untuk memulihkan kembali media asli dan data rahasia secara utuh. Seiring berjalannya waktu pendekatan ini berkembang kearah dual image RDH untuk meningkatkan kapasitas penyematan dengan cara membagi pesan rahasia ke dua gambar. Pendekatan ini terus dikembangkan hingga saat ini, salah satu teknik yang banyak digunakan dalam dual image RDH yaitu teknik center shifting, dimana teknik ini terlebih dahulu melakukan transformasi pada tiap bit data rahasia yang akan disematkan. Transformasi dilakukan dengan menggeser nilai desimal bit tersebut berdasarkan titik tengah(midpoint). Namun, teknik ini memiliki keterbatasan ketika digunakan pada distribusi data rahasia yang memiliki skewness positif, karena kontradiksi dengan apa yang menjadi tujuan awal yaitu mengurangi distorsi. Pada kasus ini transformasi yang diterapkan justru menimbulkan distori yang lebih besar akibat pergeseran nilai desimal data rahasia yang semakin ke kiri menjauhi nol, menyebabkan nilai absolutnya menjadi lebih besar dari nilai awalnya. Penelitian ini mengusulkan metode transformasi berbasis downscaling sebagai solusi alternatif, dengan memanfaatkan prinsip pembagian sehingga mampu menurunkan tingkat distorsi visual. Eksperimen dilakukan pada enam citra grayscale berukuran 512×512 piksel yang diperoleh dari The Waterloo Greyscale Set2. Hasil eksperimen menunjukkan bahwa metode yang diusulkan mampu menghasilkan nilai PSNR yang kompetitif dengan kapasitas penyisipan yang lebih tinggi. Superioritas hasil dicapai ketika distribusi data rahasia dengan skewness positif, dengan selisih PSNR hingga 3,11 dB dibandingkan metode sebelumnya pada panjang bit rahasia k=4. Temuan ini menunjukkan bahwa pendekatan downscaling lebih robust terhadap distribusi data yang asimetris, yang secara konsisten mampu menjaga kualitas visual citra.
===============================================================================================================================
Data security is a crucial aspect in the digital era. One of the most widely used approaches is data hiding, which focuses on concealing messages within a medium so that their presence is obscured. Reversible Data Hiding (RDH) has become a popular approach due to its ability to restore both the original medium and the secret data completely. Over time, this approach has evolved toward dual image RDH to increase embedding capacity by dividing the secret message into two images. This approach continues to be developed to this day, with one of the most commonly used techniques in dual image RDH is the center shifting technique, which first performs a transformation on each bit of secret data to be embedded. The transformation is performed by shifting the decimal value of the bit based on the midpoint. However, this technique has limitations when applied to secret data distributions with positive skewness, as it contradicts the original objective of reducing distortion. In this case, the applied transformation actually causes greater distortion due to the decimal values of the secret data shifting further to the left away from zero, resulting in their absolute values becoming larger than their original values. This study proposes a downscaling-based transformation method as an alternative solution, utilizing the principle of division to reduce visual distortion. Experiments were conducted on six grayscale images of size 512×512 pixels obtained from The Waterloo Greyscale Set2. The experimental results show that the proposed method can produce competitive PSNR values with higher insertion capacity. Superior results were achieved when the secret data distribution had positive skewness, with a PSNR difference of up to 3.11 dB compared to the previous method at a secret bit length of k=4. These findings indicate that the downscaling approach is more robust against asymmetric data distributions, consistently maintaining the visual quality of the images