Deep learning semakin berkembang pesat dan banyak dimanfaatkan dalam berbagai bidang kehidupan. Salah satunya bisa dimanfaatkan untuk klasifikasi image medis penderita covid. Keras adalah salah satu framework deep learning yang paling banyak digunakan. Dalam Keras, terdapat beberapa macam algoritma optimizer. Salah satunya adalah optimizer Adam. Untuk menggunakan optimizer Adam ini, perlu menentukan angka learning rate. Penentuan angka learning rate sangat penting karena salah dalam menentukan angka learning rate akan berdampak pada hasil deep learning yang dilakukan. Batch size juga salah satu hyperparameter penting dalam deep learning. Penelitian ini bertujuan untuk mengetahui dan membandingkan beberapa learning rate dan batch size agar diketahui efek dan dampaknya pada hasil loss dan akurasi training dan validasi pada proses deep learning yang dilakukan. Ada 6 learning rate dan 3 batch size yang akan dibandingkan. Hasil yang optimal diantara 6 learning rate dalam penelitian ini adalah 0.0001 dan 0.00001. Sedangkan batch size yang paling bagus hasilnya dari tiga angka yang dibandingkan adalah batch size 5

No abstract

Abstrak—Keamanan data telah menjadi kebutuhan dalam komunikasi pada era yang sudah serba digital. Teknik mengamankan data dapat dilakukan pada lintasan komunikasi data maupun dari data yang dikirimkan. Saat ini telah banyak berkembang teknik yang dapat digunakan untuk mengamankan data yang dikirimkan, salah satunya adalah teknik steganografi. Steganografi merupakan teknik mengamankan data dengan cara menyisipkan pesan utama kedalam sebuah media. Sehingga, pengirim dan penerima akan tampak seperti berkirim file biasa. Kelebihan teknik steganografi dibandingkan dengan teknik mengamankan data lainnya, seperti enkripsi dan watermarking adalah, pihak selain pengirim dan penerima kemungkinan besar tidak menyadari bahwa terdapat pesan rahasia di dalam suatu file yang dikirimkan. Teknik steganografi dapat dilakukan pada semua jenis media pembawa (audio, video, dan audio video) dengan berbagai jenis pesan rahasia (text, audio, video, dan audio video). Teknik steganografi yang diterapkan pada media pembawa berupa audio dinilai lebih sulit karena Human Auditory System dianggap sebagai indera yang paling peka pada manusia. Sehingga pada penerapannya, dibutuhkan algoritma yang dapat menghasilkan perbedaan paling kecil pada file hasil steganografi. Algoritma Least Significant Bit (LSB) dianggap sebagai algoritma yang paling sederhana dan mudah dalam penerapannya. Steganografi dengan LSB ini dilakukan dengan mengganti bit paling kanan (20) dari media pembawa dengan bit pesan rahasia. Perubahan pada bit yang dinilai kurang signifikan akan membuat hasil steganografi tidak jauh berbeda dengan file asli. Pada penelitian ini, dibangun sebuah sistem yang menerapkan algoritma LSB untuk menyisipkan pesan rahasia bertipe txt kedalam file audio WAV.  Melalui pengamatan nilai PSNR dan MSE setelah menyisipkan pesan berukuran 50% dari kapasitas maksimal menghasilkan audio dengan rata-rata nilai PSNR sebesar 56.3571 dB dan rata-rata nilai MSE sebesar 0.15044, sedangkan rata-rata nilai PSNR setelah penyisipan pesan dengan ukuran maksimal adalah 53.2277 dB dan rata-rata nilai MSE sebesar 0.3092. Penyisipan pesan kedalam audio tidak banyak mempengaruhi kualitas signal audio, dibuktikan dengan perbandingan grafik signal audio asli dengan grafik signal audio hasil stego-audio yang hamir serupa. Kata Kunci — Steganografi, Audio, WAV, LSB, PSNR, MSE

Abstrak—Data tidak hanya digunakan sebagai media untuk pertukaran informasi melainkan juga sebagai alat komunikasi antar perangkat yang sudah diintegrasikan. Data menjadi kebutuhan yang penting, tidak terbayangkan bagaimana data hilang atau tidak dapat diakses lagi. Beberapa sebab data tidak dapat diakses seperti data corrupt atau bisa juga data mengalami gangguan saat akan diakses, akses ganguan bisa berasal dari koneksi jaringan bisa juga berasal dari server dari data tersebut. Bahaya yang paling besar adalah bencana. Jika bencana tersebut terjadi menyebabkan banyak data hilang, maka dari itulah Disasster Recovery Planning (DRP) diperlukan. Waktu downtime menjadi penentu apakah suatu DRP efektif atau tidak. Sehingga perlu untuk mereduksi waktu dari downtime tersebut. Selain waktu downtime permasalahan ketersediaan data pada server erat kaitannya dengan high availability dengan protokol heartbeat. Protokol heartbeat digunakan untuk sistem failover dari server webserver. Selain failover webserver, proses backup dan restore database server melibatkan backup dari database server utama, untuk restore akan menggunakan differential backup. Sinkronisasi server dilakukan dengan rsync. Perintah rsync dikombinasikan dengan crontab untuk proses penjadwalan sedangkan proses restore pada server backup bergantung pada waktu pemindahan data dari server utama dan proses backup pada server utama itu sendiri. Hasil pengujian menujukkan bahwa sinergi dari sistem failover dan replikasi server mereduksi waktu downtime untuk link server efektif diterapkan pada suatu DRP dengan mereduksi waktu downtime jika dibandingan dengan DRP yang dilakukan secara manual.

No abstract