Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi)
Not a member yet
1071 research outputs found
Sort by
Pengamanan Data melalui Model Super Enkripsi Autokey Cipher dan Transposisi Kolom
Get PDFOne of the essential instruments in the cyber era is data. Therefore, maintaining data security is an important thing to do. One way that can be done to maintain data security is through cryptography. In cryptography, two basic techniques are commonly used, namely substitution techniques and transposition techniques. One of the weaknesses of the basic cryptographic techniques is the lower level of data security. This study proposed a super encryption model in securing data by combining cryptographic algorithms with substitution techniques, i.e., autokey cipher and transposition, i.e., columnar transposition cipher. This study used the Avalanche Effect method as a measurement tool for the proposed super encryption model. The test results have shown that the proposed super encryption model can provide a better level of security. The avalanche effect test on the five data test shows that the average AE value of the proposed super encryption model is 30.76%. This value is higher than the single autokey cipher algorithm of 1.66% and column transposition with a value of 18.03%. Other results from the five data test have shown that the proposed model has a high level of accuracy of 100% in terms of the decryption process results, which is the same as the initial data before going through the encryption process.
Salah satu instrumen penting di era digital saat ini adalah data. Menjaga keamanan data merupakan hal yang penting untuk dilakukan. Salah satu cara yang dapat dilakukan untuk menjaga keamanan data adalah melalui kriptografi. Dalam kriptografi terdapat dua teknik dasar yang umum digunakan, yaitu teknik substitusi dan teknik transposisi. Salah satu kekurangan dari teknik dasar kriptografi adalah tingkat keamanan data yang rendah. Penelitian ini mengusulkan sebuah model super enkripsi dalam mengamankan data melalui perpaduan algoritma kriptografi teknik substitusi autokey cipher dan transposisi kolom. Penelitian ini menggunakan Avalanche Effect (AE) sebagai alat ukur model super enkripsi yang diusulkan. Hasil pengujian menunjukkan bahwa model super enkripsi yang diusulkan mampu memberikan tingkat keamanan yang lebih baik. Pengujian avalanche effect terhadap lima data uji coba menunjukkan rata-rata nilai AE dari model super enkripsi yang diusulkan sebesar 30.76%. Nilai ini lebih tinggi dibandingkan algoritma tunggal autokey cipher sebesar 1.66% maupun transposisi kolom dengan nilai sebesar 18.03%. Hasil lainnya dari lima data uji coba tersebut menunjukkan model yang diusulkan memiliki tingkat akurasi yang tinggi sebesar 100% dari sisi hasil proses dekripsi yang sama seperti data awal sebelum melalui proses enkripsi
Prediksi Indeks BEI dengan Ensemble Convolutional Neural Network dan Long Short-Term Memory
Get PDFThe Indonesian Stock Exchange (IDX) stock market index is one of the main indicators commonly used as a reference for national economic conditions. The value of the stock market index is often being used by investment companies and individual investors to help making investment decisions. Therefore, the ability to predict the stock market index value is a critical need. In the fields of statistics and probability theory as well as machine learning, various methods have been developed to predict the value of the stock market index with a good accuracy. However, previous research results have found that no one method is superior to other methods. This study proposes an ensemble model based on deep learning architecture, namely Convolutional Neural Network (CNN) and Long Short-Term Memory (LSTM), called the CNN-LSTM. To be able to predict financial time series data, CNN-LSTM takes feature from CNN for extraction of important features from time series data, which are then integrated with LSTM feature that is reliable in processing time series data. Results of experiments on the proposed CNN-LSTM model confirm that the hybrid model effectively provides better predictive accuracy than the stand-alone time series data forecasting models, such as CNN and LSTM.
Indeks pasar saham Bursa Efek Indonesia (BEI) telah menjadi salah satu indikator utama yang umum digunakan sebagai referensi kondisi perekonomian nasional. Selain itu, nilai indeks pasar saham juga seringkali digunakan oleh perusahaan investasi maupun investor individual sebagai salah satu acuan dalam mengambil keputusan investasi. Oleh sebab itu, kemampuan untuk dapat memprediksi pergerakan nilai indeks pasar saham menjadi sebuah kebutuhan yang kritis. Dalam bidang ilmu statistika dan teori probabilitas maupun machine learning telah banyak dikembangkan berbagai metode untuk meramalkan nilai indeks pasar saham dengan tingkat akurasi yang baik. Namun demikian, berbagai hasil penelitian sebelumnya telah menemukan bahwa tidak ada satu metode yang paling unggul dibandingkan metode lainnya. Oleh sebab itu, penelitian ini mengusulkan sebuah model ensemble yang berbasis pada arsitektur deep learning yaitu Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM), yang disebut CNN-LSTM. Untuk dapat melakukan prediksi data deret waktu keuangan, CNN-LSTM mengambil fitur unggulan dari CNN untuk ekstraksi fitur penting dari data deret waktu, yang kemudian diinetgrasikan dengan fitur LSTM yang handal dalam memproses data deret waktu. Hasil uji coba terhadap model CNN-LSTM yang dibangun mengkonfirmasi bahwa model hybrid secara efektif memberikan akurasi prediksi yang lebih baik dibandingkan dengan model peramalan data deret waktu yang berdiri sendiri, seperti halnya CNN dan LSTM
Klasifikasi Data Aktivitas Setelah Joging Menggunakan Fuzzy Logic
No full textOne of the routine activities that cause a lot of body fluids is jogging. Research shows that excessive jogging can disrupt the balance of body fluids so that you tire quickly in the long run. As a result, the body releases too much fluid. This makes someone forget or underestimate the need for fluids in the body. In this study, a detection system for body temperature, ambient temperature and heart rate was built for the classification of dehydration in the body to maintain fluid stability in the body. The system is built using the Pulse Sensor, Mlx90614, OpenWeatherAPI and the Android Platform. This study uses the Mamdani Fuzzy Logic method to determine the classification of user dehydration. The results of the research analysis contained a calibration test of the MLX90614 sensor against the Thermogun with an Error Rate value of 2.01% and an RMSE value of 0.9. Testing the Pulse Sensor against the Oximeter produces an Error Rate value of 1.54% and an RMSE value of 0.7. There is a difference in the difference in Deffuzification values due to differences in the fixed points for each library. Matlab fixed point with a value behind the three digit point, 16 digit Fuzzy Sci-kit and the Builded System using a 15 digit point value.Salah satu aktivitas rutin yang menyebabkan banyak keluar cairan tubuh adalah joging. Penelitian menunjukan berlebihan joging membuat ganguan keseimbangan cairan tubuh sehingga cepat lelah dalam jangka waktu panjang. Akibatnya tubuh terlalu banyak mengeluarkan cairan. Hal ini membuat sesorang lupa atau meremehkan kebutuhan cairan yang ada di dalam tubuh. Pada penelitian ini dibangun sistem pendeteksi suhu tubuh, suhu lingkungan dan detak jantung untuk klasifikasi dehidrasi pada tubuh guna menjaga kestabilan cairan pada tubuh. Sistem yang dibangun menggunakan Pulse Sensor, Mlx90614, OpenWeatherAPI dan Platform Android. Penelitian ini menggunakan metode Fuzzy Logic Mamdani untuk mengetahui klasfikasi dari dehidrasi penguna. Hasil analisis penelitian terdapat pengujian kalibrasi dari sensor MLX90614 terhadap Thermogun yang nilai Error Rate 2,01 % dan nilai RMSE 0.9. Pengujian Pulse Sensor terhadap Oximeter menghasilkan nilai Error Rate 1.54% dan nilai RMSE 0.7. Terdapat perbedaan selisih nilai Deffuzifikasi karena perbedaan fixed point untuk tiap library. Matlab fixed point dengan nilai dibelakang koma tiga digit, Sci-kit Fuzzy 16 digit dan Builded System menggunakan nilai koma 15 digit
Optimalisasi Penyaluran Bantuan Pemerintah Untuk UMKM Menggunakan Metode Fuzzy C-Means
No full textIndonesian MSMEs were very seriously affected by the Covid-19 pandemic, which caused the Indonesian economy has experienced deceleration. The Indonesian government has taken several steps to keep economic activity running, such as direct cash assistance for micro-scale businesses but is having problems in obtaining real data so that assistance is not on target, the clustering method using Fuzzy C-Means (FCM) is used for grouping MSME data. FCM allows the data to be a member of all clusters in which each cluster has a membership degree value of 0-1. The data used is from the website of the Sleman Regency Cooperatives and SME Service. FCM classifies MSME data based on the attributes of revenue, assets and number of workers. This research resulted in grouping MSME data into 3 priority levels for MSMEs in obtaining assistance, namely high priority, medium priority, and low priority. The results of this study show that the number of MSMEs with high priority is 23,023 MSMEs, medium priority is 9,774 MSMEs and low priority is 3,159 MSMEs. The validation test of the FCM method uses the Partition Coefficient Index (PCI) which has a value of 0.826 which means that value good because it is close to 1.
UMKM Indonesia terdampak sangat serius karena pandemi Covid-19 sehingga menyebabkan perekonomian Indonesia mengalami perlambatan. Pemerintah Indonesia melakukan beberapa langkah untuk menjaga aktivitas perekonomian tetap berjalan, seperti bantuan langsung tunai untuk bisnis skala mikro akan tetapi mengalami kendala untuk mendapatkan data yang riil agar bantuan tepat sasaran, maka digunakan metode clustering menggunakan Fuzzy C-Means (FCM) untuk pengelompokan data UMKM. FCM memungkinkan data akan menjadi anggota semua cluster yang di setiap cluster-nya memiliki nilai derajat keanggotaan dari 0-1. Data yang digunakan adalah data sekunder dari website Dinas Koperasi dan UKM Kabupaten Sleman. FCM mengelompokkan data UMKM berdasarkan atribut omset, aset dan jumlah pekerja untuk menentukan prioritas UMKM dalam mendapat bantuan. Penilitian ini menghasilkan pengelompokan data UMKM menjadi 3 tingkatan prioritas UMKM dalam mendapat bantuan, yaitu prioritas tinggi, prioritas sedang, dan prioritas rendah. Hasil dari penilitian ini menunjukan jumlah UMKM yang menjadi prioritas tinggi sebanyak sebanyak 23.023 UMKM, prioritas sedang sebanyak 9.774 UMKM dan prioritas rendah sebanyak 3.159 UMKM. Uji validasi metode FCM ini menggunakan Partition Coefficient Index (PCI) yang memiliki nilai 0,826 yang berarti baik karena mendekati nilai 1
Analisis Perbandingan Algoritma Klasifikasi MLP dan CNN pada Dataset American Sign Language
Get PDFPeople who have hearing loss (deafness) or speech impairment (hearing impairment) usually use sign language to communicate. One of the most basic and flexible sign languages is the Alphabet Sign Language to spell out the words you want to pronounce. Sign language uses hand, finger, and face movements to speak the user's thoughts. However, for alphabetical sign language, facial expressions are not used but only gestures or symbols formed using fingers and hands. In fact, there are still many people who don't understand the meaning of sign language. The use of image classification can help people more easily learn and translate sign language. Image classification accuracy is the main problem in this case. This research conducted a comparison of image classification algorithms, namely Convolutional Neural Network (CNN) and Multilayer Perceptron (MLP) to recognize American Sign Language (ASL) except the letters "J" and "Z" because movement is required for both. This is done to see the effect of the convolution and pooling stages on CNN on the resulting accuracy value and F1 Score in the ASL dataset. Based on the comparison, the use of CNN which begins with Gaussian Low Pass Filtering preprocessing gets the best accuracy of 96.93% and F1 Score 96.97%Orang yang memiliki gangguan pendengaran (tunarungu) atau gangguan berbicara (tunawicara) biasanya menggunakan bahasa isyarat untuk berkomunikasi. Salah satu bahasa isyarat yang dasar dan fleksibel adalah bahasa isyarat alfabet untuk mengeja kata-kata yang ingin diucapkan. Bahasa isyarat menggunakan gerakan tangan, jari, hingga wajah untuk mengutarakan pikiran penggunanya. Namun, untuk bahasa isyarat alfabet, ekspresi wajah tidak digunakan melainkan hanya gerakan atau simbol yang dibentuk menggunakan jari dan tangan. Nyatanya, masih banyak orang yang tidak mengerti arti dari bahasa isyarat. Penggunaan klasifikasi citra dapat membantu orang untuk lebih mudah mempelajari dan menerjemahkan bahasa isyarat. Akurasi klasifikasi citra menjadi permasalahan utama dalam kasus ini. Penelitian ini melakukan perbandingan algoritma klasifikasi citra yaitu Convolutional Neural Network (CNN) dan Multilayer Perceptron (MLP) untuk mengenali bahasa isyarat alfabet American Sign Language (ASL) kecuali huruf “J” dan “Z” karena diperlukan gerakan untuk keduanya. Hal ini dilakukan untuk melihat efek dari tahapan convolution dan pooling pada CNN terhadap nilai akurasi dan F1 score yang dihasilkan pada dataset ASL. Berdasarkan hasil perbandingan, penggunaan CNN yang diawali dengan tahapan preprocessing Gaussian Low Pass Filter mendapatkan akurasi terbaik yaitu sebesar 96,93% dan F1 Score 96,97%
Predicting The Number of Tourists Based on Backpropagation Algorithm
No full textThe number of tourists always fluctuates every month, as happened in Kaliadem Merapi, Sleman. The purpose of this research is to develop a prediction system for the number of tourists based on artificial neural networks. This study uses an artificial neural network for data processing methods with the backpropagation algorithm. This study carried out two processes, namely the training process and the testing process with stages consisting of: (1) Collecting input and target data, (2) Normalizing input and target data, (3) Creating artificial neural network architecture by utilizing GUI (Graphical User Interface) Matlab facilities. (4) Conducting training and testing processes, (5) Normalizing predictive data, (6) Analysis of predictive data. In the data analysis, the MSE (Mean Squared Error) value in the training process is 0.0091528 and in the testing process is 0.0051424. Besides, the validity value of predictive accuracy in the testing process is around 91.32%. The resulting MSE (Mean Squared Error) value is relatively small, and the validity value of prediction accuracy is relatively high, so this system can be used to predict the number of tourists in Kaliadem Merapi, Sleman.
The number of tourists always fluctuates every month, as happened in Kaliadem Merapi, Sleman. The purpose of this research is to develop a prediction system for the number of tourists based on artificial neural networks. This study uses an artificial neural network for data processing methods with the backpropagation algorithm. This study carried out two processes, namely the training process and the testing process with stages consisting of: (1) Collecting input and target data, (2) Normalizing input and target data, (3) Creating artificial neural network architecture by utilizing GUI (Graphical User Interface) Matlab facilities. (4) Conducting training and testing processes, (5) Normalizing predictive data, (6) Analysis of predictive data. In the data analysis, the MSE (Mean Squared Error) value in the training process is 0.0091528 and in the testing process is 0.0051424. Besides, the validity value of predictive accuracy in the testing process is around 91.32%. The resulting MSE (Mean Squared Error) value is relatively small, and the validity value of prediction accuracy is relatively high, so this system can be used to predict the number of tourists in Kaliadem Merapi, Sleman
Implementasi Teknologi Blockchain Proof of Work Pada Penelusuran Supply Chain Produk Komputer
Get PDFIn recent times, the supply chain has developed into a large ecosystem. Various products moving from party to party require cooperation between stakeholders in managing the data generated. The problem is that every company has its own transaction records that can be inconsistent and their storage is centralized and not integrated between companies. This makes transaction records easy to falsify. Efficient data management is needed from the producer to the store so that consumers can trust the product. Therefore, the authors designed a product tracking system using blockchain by implementing proof of work (PoW) as the consensus algorithm, SHA-3 256 as data security, Mongo database as cloud-based data storage and QR Code as the output. As a result, transaction data from producers, distributors to retail stores are stored completely in MongoDB which is a cloud-based database, then the resulting QR Code can be used to view details of producers, distributors to retail stores that sell them. The simulation and trial results show the product tracing system design is successful as expected.
Belakangan ini, rantai pasokan berkembang menjadi ekosistem yang besar. Berbagai produk bergerak dari pihak ke pihak membutuhkan kerja sama antar pemangku kepentingan dalam mengelola data yang dihasilkan. Masalahnya setiap perusahaan memiliki catatan transaksi masing-masing yang bisa saja tidak konsisten dan penyimpanannya dilakukan secara terpusat dan tidak terintegrasi antar perusahaan. Hal itu menyebabkan catatan transaksi mudah dipalsukan. Manajemen data yang efisien diperlukan mulai dari produsen sampai ke toko supaya konsumen dapat percaya dengan produknya. Oleh karena itu, penulis merancang sistem penelusuran produk menggunakan blockchain dengan menerapkan proof of work (PoW) sebagai algoritma konsensusnya, SHA-3 256 sebagai pengaman datanya, mongo database sebagai penyimpanan datanya berbasis cloud dan QR Code sebagai hasil outputnya. Hasilnya data transaksi mulai dari produsen, distributor sampai toko retail tersimpan lengkap di MongoDB yang merupakan database berbasis cloud, lalu QR Code yang dihasilkan dapat digunakan untuk melihat detail produsen, distributor sampai toko retail yang menjualnya. Hasil simulasi dan uji coba menunjukan rancangan sistem penelusuran produk berhasil sesuai dengan yang diharapkan
Simulator Proses Pengisian dan Pemasangan Tutup Botol Terkendali PLC Berbantuan Miniatur Konveyor
No full textA miniature conveyor machine assisted by embedded systems and controlled by a programmable logic controller (PLC) has been fabricated with the operating mechanism is based on the detection of two different colors. The objectives of this research are to obtain a miniature machine is controlled by the PLC system, create a ladder diagram-based program structure, and measure the performance of the embedded system. Obtaining the machine is carried out through assembly of the conveyor frame, installation of all devices, and integrated wiring. The programming for the Omron PLC system is based on providing the CX-Programmer 64 bits, establishing algorithms and compiling ladder diagrams, and compiling and uploading processes. The performance measurement includes synchronization conditions between the simulator and the control system, observations of the readings of installed sensors for activating all devices on the output side, and observing the measurement of the filling process time and the installation of bottle caps assisted by the pneumatic system. The results of the performance during the process of filling and installing the lid obtained a success rate of 75%, based on four trials, three successes, and one failure. The general conclusion is that the embedded system that has been built can be used as a simulator for the mechanism of filling liquid into bottles and installing bottle caps, and it is as an implementation of instrumentation and automation processes.
Telah dihasilkan sebuah miniatur mesin konveyor berbantuan sistem tertanam terkendali oleh programmable logic controller (PLC) dengan mekanisme operasi mesin berdasarkan kepada deteksi terhadap dua warna berbeda. Tujuan penelitian ini berupa memperoleh sebuah miniatur mesin terkendali oleh sistem PLC, membuat struktur program berbasis ladder diagram, dan mengukur kinerja sistem tertanam. Perolehan mesin dilakukan melalui perakitan kerangka konveyor, pemasangan seluruh perangkat, dan pengawatan terintegrasi. Metode pemrograman terhadap sistem PLC Omron didasarkan kepada penyediaan CX Programmer 64 bit, penetapan algoritma dan penyusunan ladder diagram, dan proses compiling dan uploading. Pengukuran kinerja meliputi kondisi sinkronisasi antara simulator dan sistem kontrol, pengamatan terhadap pembacaan sensor-sensor terpasang untuk pengaktifan seluruh perangkat di sisi keluaran, dan pengamatan terhadap pengukuran waktu proses pengisian dan pemasangan tutup botol berbantuan sistem pneumatic. Hasil kinerja saat proses pengisian dan pemasangan tutup diperoleh tingkat keberhasilan sebesar 75%, berdasarkan empat kali uji coba, tiga kali berhasil dan satu kali gagal. Kesimpulan secara umum, bahwa sistem tertanam yang telah dibangun dapat digunakan sebagai simulator untuk mekanisme pengisian cairan ke dalam botol dan pemasangan tutup botol, dan hal itu sebagai implementasi terhadap instrumentasi dan proses otomasi
Pengembangan Sistem Manajemen Event Pameran Karya Mahasiswa Menggunakan Metode Extreme Programming
Get PDFAn event is a means for students to improve their soft skill and hard skill. In college, one kind of event that usually held regularly is an exhibition. It is usually held around the universities environtment, but in practice there are still some shortcomings, such as the registration process is done manually, attendance of participants that are not integrated with the system, and unavailability of certificates for participants who have attended the event. Since the outbreak of Covid-19, organizing the events must be done online, so we need a system that can accommodate this. Therefore, this study aims to create an event management system that can manage exhibition event data. Besides, the system is also equipped with a feature to generate an E-Certificate that has a QR Code embedded. The method used in this study is Extreme Programming, with its flexible nature toward changes to facilitate the process of system development. The testing in this study is using black box method, with the test results show that all functional in the system can run well in accordance with user expectations. The use of the Extreme Programming method produces a quality system, because users are involved during the system development process.
Event merupakan salah satu sarana bagi mahasiswa untuk meningkatkan soft skill dan hard skill. Pada lingkungan perguruan tinggi, salah satu jenis event yang biasa diselenggarakan secara rutin yaitu event pameran karya. Penyelenggaraan pameran karya biasanya di laksanakan di sekitar lingkungan universitas, namun dalam praktiknya masih terdapat beberapa kekurangan seperti proses pendaftaran yang dilakukan secara manual, proses presensi peserta yang tidak terintegrasi dengan sistem, dan tidak adanya pemberian sertifikat kepada para peserta yang telah mengikuti event. Semenjak merebaknya Covid-19, penyelenggaraan event harus dilakukan secara daring, sehingga dibutuhkan suatu sistem yang dapat mengakomodasi hal tersebut. Maka dari itu, penelitian ini bertujuan untuk membuat sistem manajemen event yang dapat mengelola data event. Selain itu, sistem yang dibuat juga dilengkapi dengan fitur untuk membuat sertifikat elektronik yang telah tertanam QR Code. Metode yang digunakan dalam penelitian ini adalah Extreme Programming, dengan sifatnya yang fleksibel terhadap perubahan memudahkan proses dalam pengembangan sistem. Pengujian pada penelitian ini menggunakan metode black box testing dengan hasil pengujian menunjukkan bahwa seluruh fungsional di dalam sistem dapat berjalan dengan baik sesuai dengan harapan pengguna. Penggunaan metode Extreme Programming menghasilkan sistem yang berkualitas, karena pengguna selalu dilibatkan untuk memberikan feedback selama proses pengembangan sistem
Analisis dan Implementasi Algoritma Asimetris Dual Modulus RSA (DM-RSA) pada Aplikasi Chat
Get PDFThe RSA algorithm is one of the cryptographic algorithms with an asymmetric model where the algorithm has two keys, namely the public key and the private key. However, as time goes on, these algorithms are increasingly exposed to security holes and make this algorithm vulnerable to being hacked by people who do not have authority. The vulnerability stems from the algorithm's public keys (e and n). The strength of the RSA algorithm is based on the difficulty of factoring two prime numbers that are generated during the key generation process, if these values can be known using certain methods, the public key and private key values will be found. Therefore, there are many studies that improvise the RSA algorithm, one of which is the Dual Modulus RSA (DM-RSA) algorithm. The algorithm uses four prime numbers which produce 2 modulus and 4 keys (2 public keys and 2 private keys). From the results of the Kraitchik factorization test, it was found that the DM-RSA algorithm was proven to be more resistant up to 2 times or even more than the standard RSA algorithm. This is evidenced by the fact that the value of n is 24 bits, the RSA algorithm can last up to 63204 ms (1 minute 22 seconds) while the Dual Modulus RSA algorithm lasts up to 248494123 ms (142 minutes 47 seconds).
Algoritme RSA merupakan salah satu algoritme kriptografi dengan model asimetris di mana algoritme tersebut mempunyai dua buah kunci yaitu kunci publik dan kunci privat. Tetapi, dengan seiring bertambahnya waktu, algoritme tersebut semakin terlihat celah keamananya dan membuat algoritme ini rentan dibobol oleh orang yang tidak mempunyai otoritas. Kerentanan tersebut berasal dari kunci publik algoritme ( dan ). Kekuatan algoritme RSA didasarkan atas sulitnya memfaktorisasi dua buah bilangan prima yang dibangkitkan ketika proses pembangkitan kunci, apabila nilai tersebut dapat diketahui dengan menggunakan metode tertentu maka nilai kunci publik dan kunci privat akan ditemukan. Maka dari itu banyak sekali kajian yang membuat improvisasi algoritme RSA salah satunya adalah algoritme Dual Modulus RSA (DM-RSA). Algoritme tersebut menggunakan empat buah bilangan prima yang menghasilkan 2 buah modulus dan 4 buah kunci (2 kunci publik dan 2 kunci privat). Dari hasil pengujian faktorisasi kraitchik didapatkan bahwa algoritme DM-RSA ini terbukti lebih tahan hingga 2 kali lipat bahkan lebih dibandingkan algoritme RSA standar. Hal ini dibuktikan dengan didapatkanya nilai yang berjumlah 24 bit algoritme RSA dapat bertahan hingga 63204 ms (1 menit 22 detik) sedangkan algoritme Dual Modulus RSA bertahan hingga 248494123 ms (142 menit 47 detik)