IMPLEMENTASI SISTEM PEMBANGKITAN KUNCI DENGAN MENGGUNAKAN DEEP LEARNING
ABSTRAK
Pada era digital saat ini penggunaan peralatan nirkabel telah menjadi bagian dari kehidupan sehari-hari, baik dalam pertukaran informasi seperti teks, audio maupun video atau juga digunakan untuk transaksi data. Namun terkadang komunikasi digital ini rawan oleh penyadap atau mata-mata untuk mengetahui isi dari suatu informasi tersebut. Sehingga pada Proyek Akhir ini akan dilakukan pembangkit kunci yang diharapkan bisa untuk membuat informasi data menjadi lebih aman. Dalam sebuah pembangkit kunci terdapat parameter RSS (Received Signal Strength) yang digunakan untuk melihat kekuatan sinyal antara pengirim (Tx) dan penerima (Rx). Namun, pengukuran RSS sering terjadi perbedaan kuat sinyal yang signifikan diantara Tx dan Rx. Untuk mengatasi permasalahan tersebut menggunakan tahapan praproses dengan menggunakan sistem deep learning dengan harapan akan membuat kuat sinyal antara Tx dan Rx memiliki kemiripan yang meningkat. Dari hasil pengujian yang dilakukan, Long Short-Term Memory mampu meningkatkan nilai korelasi setelah praproses dibanding korelasi pengukuran asli, dengan kenaikan kolerasi tertinggi didapatkan yaitu 0,675 dari kolerasi sebelum praproses sebesar 0,286 pada skenario ruang B301-B302 jarak 5m dengan kondisi statis. Proses kuantisasi dengan menggunakan Jana multibit, hasil dari kuantisai ini adalah 1 bit menjadi 2 bit greycode. Bit sebelum kuantisai sebesar 1046 menjadi 2048 pada semua skenario. Pada proses error correcting menggunakan BCH (31,6) dapat mengoreksi seluruh blok yang diproses lalu menghasilkan bit tertinggi pada skenario ruang B302 jarak 5m dengan kondisi statis dengan jumlah bit sisa sebanyak 972 bit. KGR tertinggi pada proses BCH (31,6) didapatkan pada skenario ruang B301-B302 jarak 4m dalam kondisi dinamis sebesar 2,11 bit/s. Pada konfigurasi BCH (31,6) rata-rata didapatkan kunci sebanyak 3 kunci Dengan waktu komputasi keseluruhan system pada setiap skenario rata-rata sekitar 8,9 menit. Pada proses error correcting menggunakan BCH (63,18) didapatkan jumlah bit sisa lebih banyak dan bit sisa terbanyak terdapat pada skenario ruang B302 jarak 4m dengan kondisi dinamis. Untuk nilai KGR tertinggi pada konfigurasi BCH (63,18) didapatkan nilai sebesar 4,07 bit/s pada skenario B302 jarak 5m dalam kondisi dinamis. Dengan rata- rata kunci yang didapatkan pada konfigurasi ini sebanyak 13 kunci. Waktu komputasi keseluruhan system pada setiap skenario rata-rata sekitar 8,9 menit.
[DOWNLOAD ABSTRACT]Kategori
D3 Teknik ElektronikaD3 Teknik Telekomunikasi
D3 Teknik Elektro Industri
D3 Teknik Informatika
D3 Teknologi Multimedia Broadcasting
D4 Teknik Elektronika
D4 Teknik Telekomunikasi
D4 Teknik Elektro Industri
D4 Teknik Informatika
D4 Teknik Mekatronika
D4 Teknik Komputer
D4 Teknik Teknologi Game
S2 Teknik Elektro
S2 Teknik Informatika dan Komputer