No abstract

Aplikasi yang menerapkan metode LSB dan algoritma kriptografi DES ini berjalan dengan baik dan mampu menyisipkan dan mengekstrakan pesan dan dapat mengenkripsi dan deskripsi isi pesan. Pada penelitian Penyisipan Pesan Ke Dalama Gambar Dengan Menggunakan Metode Least Significant Bit (LSB) dan enkripsi dengan menggunakanAlgoritma Data Encryption Standard (DES) yang mempunyai tujuan untuk menambah keamanan pesan agar seseorang yang tidak bertanggung jawab tidak dapat mengetahui sebuah pesan rahasia yang akan dikirim. Aplikasi ini hanya mengamankan sebuah pesan kedalam sebuah citra dan merubah isi pesan dari yang dikethaui maknanya ke yang tidak diketahui maknanya. Pada penelitian ini telah diterapkan metode LSB-DES pada gambar 281x320 pixel dengan cover berupa gambar berwarna dan pesan berupa kata. PSNR yang dihasilkan adalah 86.64 db untuk pesan kata "rahasia". Berdasarkan penelitian dapat disimpulkan hasil PSNR nilainya tinggi, maka kualitas citra bagus, maka dari itu hasil gambar steganogragi pun sangat baik.

No abstract

No abstract

<em>Aspirasi mahasiswa adalah berbagai tuntunan dari mahasiswa yang dikemas dalam ide kreatif  untuk mengusulkan proses perubahan atas suatu hal. Rata-rata aspirasi yang disampaikan berupa keluhan dan harapan. Aspirasi berguna sebagai bahan evaluasi dan deteksi dini terhadap kelemahan sistem kualitas perguruan tinggi menjadi lebih baik. kegiatan ini terjadi di UDINUS, DPM sebagai pihak yang mengelola aspirasi mahasiswa. Aspirasi didapatkan melalui sebuah mekanisme yang telah ditentukan seperti penyebaran kuisioner secara manual atau berbasis google form.  Kuisioner yang disediakan mengharuskan mahasiswa mengisi isi aspirasi sesuai katagori yang disediakan. Namun, permasalahan yang dihadapi terkadang mahasiswa salah memilih katagori sesuai isi aspirasi yang ditulis. Maka dari itu perlu dibuat sistem yang dapat mengkatagorisasikan aspirasi mahasiswa secara otomatis. Klasifikasi teks dokumen menjadi cara yang paling baik untuk menentukan katagori berdasarkan isi aspirasi mahasiswa. Metode Naïve Bayes Classifier digunakan karena mampu menghasilkan akurasi yang tinggi. Dengan 1000 dokumen data latih yang masing-masing 250 dokumen setiap katagori yaitu “Sarana dan Prasarana”, “Dosen”, “Kepegawaian dan Sistem Akademik”,”Saran dan Masukan” menghasilkan akurasi 90.20%. Dapat dikatakan metode ini layak implementasi dalam penelitian ini.      </em>