ANALISIS TEORITIS DAN PENERAPAN UJI AUTOKORELASI DARI FIVE BASIC TEST UNTUK MENGUJI KEACAKAN BARISAN BIT

Ukuran: px
Mulai penontonan dengan halaman:

Download "ANALISIS TEORITIS DAN PENERAPAN UJI AUTOKORELASI DARI FIVE BASIC TEST UNTUK MENGUJI KEACAKAN BARISAN BIT"

Transkripsi

1 ANALISIS TEORITIS DAN PENERAPAN UJI AUTOKORELASI DARI FIVE BASIC TEST UNTUK MENGUJI KEACAKAN BARISAN BIT Sari Agustini Hafman dan Arif Fachru Rozi Lembaga Sandi Negara Abstrak: uji autokorelasi adalah salah satu uji yang terdapat dalam five basic test yang bertujuan untuk memeriksa korelasi antara barisan bit dengan versi pergeserannya. Untuk membuktikan seberapa baik uji autokorelasi dapat memeriksa korelasi yang terdapat dalam suatu barisan bit maka dilakukan analisis baik secara teoritis maupun empiris. Analisis teoritis dilakukan dengan menerapkan berbagai teori statistik terhadap proses pembentukan statistik uji sedangkan analisis secara empiris dilakukan dengan menerapkan uji tersebut pada barisan bit yang dihasilkan oleh suatu pseudorandon number generator (PRNG). Kata kunci: barisan bit, korelasi, five basic test, uji autokorelasi. Keamanan sistem kriptografi harus hanya bergantung pada kunci yang digunakan dalam sistem tersebut (Kerckhoffs, 1883). Terdapat tiga tipe keacakan barisan kunci yang dihasilkan oleh Pseudo Random Number Generator (PRNG) atau Random Number Generator (RNG) yaitu pseudorandom sequence (barisan acak semu), cryptographically secure pseudorandom sequences (barisan acaksemu yang aman secara kriptografi) dan real random sequences (barisan yang acak nyata). Untuk menguji tipe keacakan barisan kunci yang dihasilkan oleh suatu PRNG/RNG, pendekatan yang umum dilakukan adalah dengan membangkitkan barisan kunci dalam jumlah besar dan mengaplikasikan berbagai uji statistik. Jika barisan yang dihasilkan PRNG/RNG tersebut lulus dari berbagai uji statistik, hal ini berarti barisan tersebut tidak dapat dibedakan dengan barisan yang acak nyata. Henry Beker dan Fred Piper (1982) mengajukan lima uji statistik untuk menganalisis keacakan barisan kunci yang dihasilkan oleh suatu PRNG/RNG. Kelima uji statistik tersebut dinamakan five basic test. Jika suatu barisan bit lulus five basic test maka barisan bit tersebut dinyatakan acak secara lokal atau local randomness (Henry Beker dan Fred Piper, 1982). Kelima uji tersebut adalah uji frekuensi, uji serial, uji poker, uji run dan uji autokorelasi. Analisis teoritis dengan menggunakan pendekatan matematis terhadap uji frekuensi, uji serial dan uji poker telah dilakukan pada tahun 2008 (Hafman, S.A. & Yulianingsih, N., 2008). Oleh karena itu, pada tulisan ini akan dibahas uji lainnya yaitu uji autokorelasi. Untuk membuktikan seberapa baik uji autokorelasi dapat memeriksa korelasi yang terdapat dalam suatu barisan bit maka dilakukan analisis baik secara teoritis maupun empiris. Analisis teoritis dilakukan dengan menerapkan berbagai teori statistik terhadap proses pembentukan statistik uji sedangkan analisis secara empiris dilakukan dengan menerapkan uji tersebut pada barisan bit yang dihasilkan oleh suatu PRNG. 825

2 Hafman dan Rozi, Analisis Teoritis,826 KAJIAN PUSTAKA Distribusi Bernoulli Suatu distribusi Bernoulli dibentuk oleh suatu percobaan Bernoulli (Bernoulli trial). Sebuah percobaan Bernoulli harus memenuhi syarat: 1. Keluaran (outcome) yang mungkin hanya salah satu dari sukses atau gagal 2. Jika probabilitas sukses p, maka probabilitas gagal q = 1 p. Dalam sebuah percobaan Bernoulli, dengan p adalah probabilitas sukses dan q = 1 p adalah probabilitas gagal, dan jika X adalah variabel acak yang menyatakan sukses, maka dapat dibentuk sebuah distribusi probabilitas Bernoulli sebagai fungsi probabilitas sebagai berikut: dengan dan. Distribusi Binomial Distribusi binomial berasal dari percobaan binomial yaitu suatu proses Bernoulli yang diulang sebanyak n kali dan saling bebas. Secara langsung, percobaan binomial memiliki ciri-ciri sebagai berikut : 1. Percobaan Bernoulli dilakukan berulang-ulang sebanyak n kali. 2. Setiap percobaan menghasilkan keluaran yang dapat dikatagorikan sebagai gagal dan sukses. 3. Probabilitas sukses p tetap konstan dari satu percobaan ke percobaan lain. 4. Percobaan yang berulang adalah saling bebas. Percobaan Bernoulli dapat menghasilkan suatu sukses dengan probabilitas p dan gagal dengan probabilitas q = 1 p maka distribusi probabilitas variabel acak binomial X dengan jumlah sukses di dalam n percobaan diberikan oleh dengan ( ) ( ). Distribusi Normal Distribusi Normal adalah model distribusi kontinu yang penting dalam teori probabilitas. Distribusi normal memiliki kurva berbentuk lonceng yang simetris. Dua parameter yang menentukan distribusi normal adalah mean ( ) dan variansi ( ). Fungsi kerapatan probabilitas dari distribusi normal adalah: ( ) ( ) dengan adalah rata-rata, adalah variansi dan Teorema Limit Pusat : Jika adalah mean dari sampel acak berukuran n yang diambil dari suatu populasi dengan mean dan variansi maka bentuk limit dari distibusi dengan adalah berdistribusi ( ). Pseudorandom Number Generator (PRNG) Definisi 1 (Schneier,1996): PRNG adalah pembangkit barisan bilangan acaksemu, yang membutuhkan seed (input) dengan proses pembangkitan tiap elemen tergantung dari formulasi matematis yang digunakan pada PRNG tersebut. Proses pembangkitan tiap elemen dari PRNG memiliki hubungan linier sesuai fungsi matematis yang digunakan, sehingga untuk meminimalisir kelinierannya, digunakan fungsi non-linier dan pengaturan parameter inputnya. Untuk memenuhi sifat unpredictable, pada umumnya PRNG menggunakan input berupa barisan bit acak yang berasal dari suatu RNG (Random Number Generator). Uji Autokorelasi Uji autokorelasi merupakan salah satu uji statistik yang terdapat dalam five basic test. Pada uji ini, diasumsikan bahwa adalah barisan bit dengan panjang n dan merupakan variabel acak

3 827, KNPM V Universitas Negeri Malang, Juni Tahun 2013 karena merupakan kejadian saling bebas dimana. Tujuan dari uji autokorelasi adalah untuk memeriksa korelasi antara barisan bit dengan versi pergeserannya (Menezes,dkk., 1996). Misalkan d adalah bilangan bulat dengan. Jumlah bit dalam barisan s yang tidak sama dengan barisan s yang telah digeser sejauh d adalah ( ) dengan adalah operasi XOR. Operasi XOR merupakan operasi logika bitwise yang bekerja dengan membandingkan dua buah bit yang apabila pada salah satu bitnya bernilai benar (dinotasikan dengan bit 1) maka hasil akhir operasi XOR tersebut adalah benar. Namun, bila kedua bit yang akan dibandingkan bernilai salah (dinotasikan dengan bit 0) atau benar maka hasil akhirnya adalah salah. Statistik ujinya adalah : mendekati distribusi ( ) jika. METODE Penelitian ini terdiri atas dua tahap yaitu penelitian secara teoritis dan secara empiris. Berikut penjelasan dari kedua metode tersebut. Penelitian Secara Teoritis Penelitian secara teoritis dilakukan dengan menerapkan berbagai teori statistik untuk membuktikan proses pembentukan statistik uji autokorelasi dan panjang barisan minimal yang harus dipenuhi agar hasil uji autokorelasi valid. Penelitian Secara Empiris Untuk membuktikan seberapa baik uji autokorelasi dapat memeriksa korelasi yang terdapat dalam suatu barisan bit maka dilakukan analisis secara empiris dengan menerapkan uji autokorelasi pada 30 barisan bit yang dihasilkan oleh PRNG Mersenne Twister dengan menggunakan d yang berbeda baik d acak maupun terurut. Jumlah d yang dipilih secara acak adalah 70 buah atau sekitar 1,4 % dari 5000 kemungkinan nilai d. Untuk d terurut digunakan sebanyak 9 buah mulai dari d = 2 s.d. d = 10. Panjang barisan bit yang dibangkitkan adalah bit dengan tingkat kepercayaan ( ) yang digunakan adalah 0,05 dan hipotesis nol ( ) pada uji ini adalah barisan acak atau tidak ada korelasi antara barisan bit dengan versi pergeserannya. Jika maka diterima atau barisan dikatakan acak. Jika tidak demikian maka ditolak atau barisan dikatakan tidak acak. HASIL DAN PEMBAHASAN Analisis Teoritis Pembentukan Statistik Uji Pada tahap ini dengan menerapkan berbagai teori statistik akan ditunjukkan bahwa mendekati ( ). Berikut ini adalah hasil analisis teoritisnya. Misalkan s adalah barisan bit yang dibangkitkan oleh PRNG dengan ( ) adalah jumlah bit dalam barisan s yang tidak sama dengan barisan s yang telah digeser sejauh d. adalah bit ke-i dari barisan yang bernilai 0 atau 1 merupakan kejadian bernoulli sehingga ( ). Misalkan maka : bila atau dan bila atau Nilai harapan dari sama dengan karena ( ) ( ) Untuk menghitung ragam dari x terlebih dahulu dihitung nilai ( ) karena ( ( )).

4 Hafman dan Rozi, Analisis Teoritis,828 Karena x merupakan variabel acak diskrit maka ( ) ( ) sehingga Misalkan ( ) maka ( ) merupakan kejadian binomial sehingga nilai harapan dari ( ) adalah ( ( )) ( ) ( ) ( ( )) ( ) ( ) Untuk mencari statistik uji dari uji autokorelasi maka ( ) distandarisasi sehingga ( ) ( ( )) ( ) ( ( )) Berdasarkan Central Limit Theorem (CLT), untuk distribusi dari mendekati ( ). Panjang Barisan Minimal Pada subbab ini akan ditunjukkan bahwa mendekati distribusi ( ) jika. Berikut adalah penjelasannya. Pada uji autokorelasi terdapat beberapa hal yang harus dipenuhi yaitu : 1. Uji autokorelasi berdasarkan atas distribusi pendekatan normal sehingga agar pendekatan tersebut valid, ukuran sampelnya paling sedikit adalah Banyaknya pergeseran (d) pada uji autokorelasi maksimal hanya sebanyak. Dengan menggunakan pernyataan pada poin 1 dan 2 akan ditunjukkan panjang minimal yang harus dipenuhi agar suatu barisan dapat diuji dengan menggunakan uji autokorelasi. Berdasarkan poin 1 diperoleh pertidaksamaan. Pertidaksamaan tersebut dapat dinyatakan juga dengan pertidaksamaan yang sama nilainya dengan. Karena merupakan nilai maksimal yang diperbolehkan dari d maka dapat dinyatakan dengan d sehingga diperoleh. Atau dengan kata lain, panjang barisan bit minimal agar hasil uji autokorelasi valid adalah. Analisis Empiris Hasil pengujian dengan menggunakan uji autokorelasi pada barisan yang dihasilkan oleh PRNG Mersenne Twister ditampilkan dalam bentuk tabel. Tabel 1 memperlihatkan hasil uji autokorelasi dengan 70 buah d yang dipilih secara acak pada sebuah barisan bit berukuran bit yang dibangkitkan PRNG Mersenne Twister. Tabel 1 Hasil Uji Autokorelasi dengan 70 d Berbeda

5 829, KNPM V Universitas Negeri Malang, Juni Tahun 2013 Berdasarkan informasi dari Tabel 1, terdapat 5 barisan bit yang memiliki korelasi dengan versi pergeserannya yaitu ketika d = 2,3,4,321 dan 909 atau sebesar 7,143%. Selain menerapkan uji autokorelasi dengan menggunakan d acak, dilakukan juga pengujian terhadap 30 barisan bit lain yang dihasilkan oleh PRNG Mersenne Twister. Ke-30 barisan tersebut selanjutnya diuji dengan menggunakan nilai d terurut, mulai dari d = 2 s.d. d = 10. Hasil uji beserta kesimpulan terhadap ke-30 barisan bit tersebut disajikan pada Tabel 2 dan Tabel 3. Tabel 3 Kesimpulan Hasil Uji Autokorelasi pada 30 Barisan Bit dengan Tabel 2 Hasil Uji Autokorelasi pada 30 Barisan Bit dengan 10 d Berbeda Pada Tabel 3 terlihat bahwa terdapat 9 barisan bit yang tidak lulus uji ketika di seluruh d, diantaranya barisan 1, 2,7. Berdasarkan Tabel 1 dan Tabel 3 dapat disimpulkan bahwa uji autokorelasi cukup efektif untuk mendeteksi adanya korelasi antara barisan bit dengan versi pergeserannya baik ketika pergeserannya kecil maupun ketika pergeseran bitnya besar (mendekati ). PENUTUP Kesimpulan Berdasarkan hasil penelitian dapat disimpulkan bahwa : 1. Pada uji autokorelasi, jumlah bit dalam barisan yang tidak sama dengan versi pergeserannya merupakan kejadian binomial sehingga dengan menggunakan central limit theorem diperoleh bahwa statistik uji autokorelasi mendekati distribusi normal baku. 2. Panjang barisan bit minimal agar hasil uji autokorelasi valid dan jumlah pergeseran maksimal adalah sebesar dengan n adalah panjang

6 Hafman dan Rozi, Analisis Teoritis,830 barisan bit dan d adalah banyaknya pergeseran.. 3. Hasil uji autokorelasi terhadap satu barisan bit yang berasal dari PRNG Mersenne Twister dengan 70 d acak maupun terhadap 30 barisan bit dengan menggunakan d terurut menunjukkan uji autokorelasi cukup efektif untuk mendeteksi adanya korelasi antara barisan bit dengan versi pergeserannya baik ketika pergeserannya kecil ( ) maupun ketika pergeseran bitnya besar ( ). DAFTAR RUJUKAN Beker, H. & Piper Cipher System The Protection of Communications. London. Northwood Books Hafman,S.A. & Yulianingsih, N Analisis Matematis Terhadap Tiga Uji Keacakan Pada Five Basic test dengan Menggunakan Teori-Teori Statistika. Prosiding Konferensi Nasional Matematika XIV. Universitas Sriwijaya Palembang. Kerckhoffs,A La Cryptographic Militaire. Journal des Sciences Militaires IX, Menezes, dkk Handbook of Applied Cryptogaphy. CRC Press Inc. Schneier B Applied Cryptography : Protocols, Algorithms and Source Code in C 2 nd Edition. Canada. John Wiley & Sons.

Rancangan Aplikasi Pemilihan Soal Ujian Acak Menggunakan Algoritma Mersenne Twister Pada Bahasa Pemrograman Java

Rancangan Aplikasi Pemilihan Soal Ujian Acak Menggunakan Algoritma Mersenne Twister Pada Bahasa Pemrograman Java SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 16 Rancangan Aplikasi Pemilihan Soal Ujian Acak Menggunakan Algoritma Mersenne Twister Pada Bahasa Pemrograman Java T - 8 Faizal Achmad Lembaga

Lebih terperinci

PENGEMBANGAN MODEL RANTAI MARKOV UNTUK MENGUJI KETERDUGAAN PADA BARISAN ABJAD

PENGEMBANGAN MODEL RANTAI MARKOV UNTUK MENGUJI KETERDUGAAN PADA BARISAN ABJAD PENGEMBANGAN MODEL RANTAI MARKOV UNTUK MENGUJI KETERDUGAAN PADA BARISAN ABJAD Sari Agustini n.,' Anang Kurnia 2 dan Agus Buono' Lembaga Sandi Negara Email: hafman76@yahoo.com Departemen Statistika, FMIPA

Lebih terperinci

Analisis Statistik Menggunakan Strict Avalanche Criterion (SAC) Test Pada Algoritma Kriptografi PRESENT

Analisis Statistik Menggunakan Strict Avalanche Criterion (SAC) Test Pada Algoritma Kriptografi PRESENT SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Analisis Statistik Menggunakan Strict Avalanche Criterion (SAC) Test Pada Algoritma Kriptografi PRESENT T - 7 Faizal Achmad Lembaga Sandi

Lebih terperinci

Percobaan Perancangan Fungsi Pembangkit Bilangan Acak Semu serta Analisisnya

Percobaan Perancangan Fungsi Pembangkit Bilangan Acak Semu serta Analisisnya Percobaan Perancangan Fungsi Pembangkit Bilangan Acak Semu serta Analisisnya Athia Saelan (13508029) 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,

Lebih terperinci

STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling

STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling Rengganis Banitya Rachmat rengganis.rachmat@gmail.com 4. Distribusi Probabilitas Normal dan Binomial

Lebih terperinci

IMPLEMENTASI UJI KORELASI UNTUK PENGUJIAN SUB KUNCI PADA ALGORITMA KRIPTOGRAFI BLOCK CIPHER PRESENT MENGGUNAKAN BAHASA PEMROGRAMAN C++

IMPLEMENTASI UJI KORELASI UNTUK PENGUJIAN SUB KUNCI PADA ALGORITMA KRIPTOGRAFI BLOCK CIPHER PRESENT MENGGUNAKAN BAHASA PEMROGRAMAN C++ Seminar Nasional Informatika 015 (semnasif 015) ISSN: 1979-38 UPN Veteran Yogyakarta, 14 November 015 IMPLEMENTASI UJI KORELASI UNTUK PENGUJIAN SUB KUNCI PADA ALGORITMA KRIPTOGRAFI BLOCK CIPHER PRESENT

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam teori probabilitas dan statistika, distribusi binomial adalah distribusi probabilitas diskret jumlah keberhasilan dalam n percobaan ya/tidak (berhasil/gagal)

Lebih terperinci

BAB II TINJAUAN TEORITIS. Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu

BAB II TINJAUAN TEORITIS. Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu BAB II TINJAUAN TEORITIS 2.1 Pendahulauan Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu rekayasa suatu model logika ilmiah untuk melihat kebenaran/kenyataan model tersebut.

Lebih terperinci

MODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU

MODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU DISTRIBUSI PELUANG DISKRIT DAN KONTINU A. TUJUAN PRAKTIKUM Melalui praktikum Modul II ini diharapkan praktikan dapat: 1. Mengenal jenis dan karakteristik dari beberapa distribusi peluang. 2. Menguji dan

Lebih terperinci

PENGGUNAAN POLINOMIAL UNTUK STREAM KEY GENERATOR PADA ALGORITMA STREAM CIPHERS BERBASIS FEEDBACK SHIFT REGISTER

PENGGUNAAN POLINOMIAL UNTUK STREAM KEY GENERATOR PADA ALGORITMA STREAM CIPHERS BERBASIS FEEDBACK SHIFT REGISTER PENGGUNAAN POLINOMIAL UNTUK STREAM KEY GENERATOR PADA ALGORITMA STREAM CIPHERS BERBASIS FEEDBACK SHIFT REGISTER Arga Dhahana Pramudianto 1, Rino 2 1,2 Sekolah Tinggi Sandi Negara arga.daywalker@gmail.com,

Lebih terperinci

Forum Statistika dan Komputasi : Indonesian Journal of Statistics. journal.ipb.ac.id/index.php/statistika

Forum Statistika dan Komputasi : Indonesian Journal of Statistics. journal.ipb.ac.id/index.php/statistika Forum Statistika dan Komputasi : Indonesian Journal of Statistics ISSN : 0853-8115 Vol. 17 No.1, April 2012, p: 21-30 available online at: journal.ipb.ac.id/index.php/statistika PENERAPAN RANTAI MARKOV

Lebih terperinci

PEMBANGKIT BILANGAN RANDOM RANDON NUMBER GENERATOR (RNG)

PEMBANGKIT BILANGAN RANDOM RANDON NUMBER GENERATOR (RNG) PEMBANGKIT BILANGAN RANDOM RANDON NUMBER GENERATOR (RNG) Pembangkit Bilangan Random Pembangkit bilangan random adalah suatu algoritma yang digunakan untuk menghasilkan urutan-urutan (sequence) dari angka-angka

Lebih terperinci

PEMODELAN BILANGAN ACAK DAN PEMBANGKITANNYA. Pemodelan & Simulasi

PEMODELAN BILANGAN ACAK DAN PEMBANGKITANNYA. Pemodelan & Simulasi PEMODELAN BILANGAN ACAK DAN PEMBANGKITANNYA Pemodelan & Simulasi Bilangan Acak Bilangan acak adalah bilangan yang kemunculannya terjadi secara acak. Bilangan acak ini penting untuk keperluan simulasi.

Lebih terperinci

Universitas Sumatera Utara BAB 2 LANDASAN TEORI

Universitas Sumatera Utara BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Algoritma RC4 RC4 merupakan salah satu jenis stream cipher, yaitu memproses unit atau input data pada satu saat. Dengan cara ini enkripsi maupun dekripsi dapat dilaksanakan pada

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Kriptografi Kriptografi berasal dari gabungan dua suku kata yang berasal dari bahasa Yunani, yaitu Kryptos dan Graphein. Kryptos memiliki makna tersembunyi, misterius, atau rahasia.

Lebih terperinci

LANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel

LANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel 5 II. LANDASAN TEORI 2.1 Model Regresi Poisson Analisis regresi merupakan metode statistika yang populer digunakan untuk menyatakan hubungan antara variabel respon Y dengan variabel-variabel prediktor

Lebih terperinci

ANALISIS TEORITIS DAN EMPIRIS UJI CRAPS DARI DIEHARD BATTERY OF RANDOMNESS TEST UNTUK PENGUJIAN PEMBANGKIT BILANGAN ACAKSEMU

ANALISIS TEORITIS DAN EMPIRIS UJI CRAPS DARI DIEHARD BATTERY OF RANDOMNESS TEST UNTUK PENGUJIAN PEMBANGKIT BILANGAN ACAKSEMU ANALISIS TEORITIS DAN EMPIRIS UJI CRAPS DARI DIEHARD BATTERY OF RANDOMNESS TEST UNTUK PENGUJIAN PEMBANGKIT BILANGAN ACAKSEMU Sari Agustini Hafman dan Arif Fachru Rozi 2,2 Lembaga Sandi Negara e-mail: sari.hafman@lemsaneg.go.id,

Lebih terperinci

PENGEMBANGAN ALGORITMA ENKRIPSI DEKRIPSI BERBASIS LFSR MENGGUNAKAN POLINOMIAL PRIMITIF

PENGEMBANGAN ALGORITMA ENKRIPSI DEKRIPSI BERBASIS LFSR MENGGUNAKAN POLINOMIAL PRIMITIF PENGEMBANGAN ALGORITMA ENKRIPSI DEKRIPSI BERBASIS LFSR MENGGUNAKAN POLINOMIAL PRIMITIF PUBLIKASI HASIL PENELITIAN SKRIPSI Diajukan Untuk Memenuhi Sebagian Persyaratan Memperoleh Gelar Sarjana Teknik DISUSUN

Lebih terperinci

KOMBINASI ALGORITMA ONE TIME PAD CIPHER DAN ALGORITMA BLUM BLUM SHUB DALAM PENGAMANAN FILE

KOMBINASI ALGORITMA ONE TIME PAD CIPHER DAN ALGORITMA BLUM BLUM SHUB DALAM PENGAMANAN FILE KOMBINASI ALGORITMA ONE TIME PAD CIPHER DAN ALGORITMA BLUM BLUM SHUB DALAM PENGAMANAN FILE Tomoyud Sintosaro Waruwu Program Studi Sistem Informasi STMIK Methodis Binjai tomoyud@gmail.com Abstrak Kriptografi

Lebih terperinci

KONSISTENSI ESTIMATOR

KONSISTENSI ESTIMATOR KONSISTENSI ESTIMATOR TUGAS STATISTIKA MATEMATIKA II Oleh 1. Wahyu Nikmatus S. (121810101010) 2. Vivie Aisyafi F. (121810101050) 3. Rere Figurani A. (121810101052) 4. Dwindah Setiari W. (121810101054)

Lebih terperinci

Aplikasi Teori Bilangan Bulat dalam Pembangkitan Bilangan Acak Semu

Aplikasi Teori Bilangan Bulat dalam Pembangkitan Bilangan Acak Semu Aplikasi Teori Bilangan Bulat dalam Pembangkitan Bilangan Acak Semu Ferdian Thung 13507127 Program Studi Teknik Informatika ITB, Jalan Ganesha 10 Bandung, Jawa Barat, email: if17127@students.if.itb.ac.id

Lebih terperinci

ANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG

ANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG LAPORAN RESMI PRAKTIKUM PENGANTAR METODE STATISTIKA MODUL 3 ANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG Oleh : Diana Nafkiyah 1314030028 Nilamsari Farah Millatina

Lebih terperinci

DISTRIBUSI TEORITIS. Variabel Acak Distribusi Teoritis Binomial Normal

DISTRIBUSI TEORITIS. Variabel Acak Distribusi Teoritis Binomial Normal DISTRIBUSI TEORITIS DISTRIBUSI TEORITIS Variabel Acak Distribusi Teoritis Binomial Normal Variabel acak adalah sebuah besaran yang merupakan hasil dari percobaan acak yang secara untung-untungan, dapat

Lebih terperinci

DISTRIBUSI TEORITIS DISTRIBUSI TEORITIS

DISTRIBUSI TEORITIS DISTRIBUSI TEORITIS DISTRIBUSI TEORITIS DISTRIBUSI TEORITIS Variabel Acak Distribusi Teoritis Binomial Normal 1 Variabel acak adalah sebuah besaran yang merupakan hasil dari percobaan acak yang secara untung-untungan, dapat

Lebih terperinci

Pembahsan Tugas 9 Probabilitas dan Statistika Distribusi Peluang Diskrit dan Distribusi Peluang Kontinyu

Pembahsan Tugas 9 Probabilitas dan Statistika Distribusi Peluang Diskrit dan Distribusi Peluang Kontinyu Pembahsan Tugas 9 Probabilitas dan Statistika Distribusi Peluang Diskrit dan Distribusi Peluang Kontinyu Distribusi Peluang Diskrit 1. Hitunglah P( < 10) dengan distribusi binomial untuk n = 15, p = 0,4!

Lebih terperinci

Studi dan Analisis Mengenai Pengujian Bilangan Acak: Diehard Battery of Randomness Test

Studi dan Analisis Mengenai Pengujian Bilangan Acak: Diehard Battery of Randomness Test Studi dan Analisis Mengenai Pengujian Bilangan Acak: Diehard Battery of Randomness Paul Gunawan Hariyanto (13504023) Teknik Informatika ITB, Bandung 40132, e-mail: if14023@students.if.itb.ac.id Abstract

Lebih terperinci

UJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah, ST., MT

UJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah, ST., MT UJI STATISTIK NON PARAMETRIK Widha Kusumaningdyah, ST., MT SIGN TEST Sign Test Digunakan untuk menguji hipotesa tentang MEDIAN dan DISTRIBUSI KONTINYU. Pengamatan dilakukan pada median dari sebuah distribusi

Lebih terperinci

KRIPTOGRAFI KLASIK DENGAN METODE MODIFIKASI AFFINE CIPHER YANG DIPERKUATDENGANVIGENERE CIPHER

KRIPTOGRAFI KLASIK DENGAN METODE MODIFIKASI AFFINE CIPHER YANG DIPERKUATDENGANVIGENERE CIPHER Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 2 (2013), hal 87 92 KRIPTOGRAFI KLASIK DENGAN METODE MODIFIKASI AFFINE CIPHER YANG DIPERKUATDENGANVIGENERE CIPHER Juliadi, Bayu Prihandono,

Lebih terperinci

Distribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai

Distribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai Distribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai analisis statistika. Distribusi normal baku adalah distribusi

Lebih terperinci

Artikel Ilmiah. Diajukan Kepada Fakultas Teknologi Informasi Untuk Memperoleh Gelar Sarjana Komputer

Artikel Ilmiah. Diajukan Kepada Fakultas Teknologi Informasi Untuk Memperoleh Gelar Sarjana Komputer Perancangan Algoritma One-time Pad sebagai Unbreakable Cipher Menggunakan CSPNRG Chaos Berdasarkan Analisis Butterfly Effect dengan Simulasi Inisialisasi pada Fungsi Lorentz x 0 Artikel Ilmiah Diajukan

Lebih terperinci

Pembangkitan Bilangan Acak Dengan Metode Lantai Dan Modulus Bertingkat

Pembangkitan Bilangan Acak Dengan Metode Lantai Dan Modulus Bertingkat Pembangkitan Bilangan Acak Dengan Metode Lantai Dan Modulus Bertingkat Kenji Prahyudi 13508058 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha

Lebih terperinci

ANALISIS UJI STATISTIK BERBASIS KORELASI PADA ALGORITMA SNOW 2.0

ANALISIS UJI STATISTIK BERBASIS KORELASI PADA ALGORITMA SNOW 2.0 ANALISIS UJI STATISTIK BERBASIS KORELASI PADA ALGORITMA SNOW 2.0 A mas Lembaga Sandi Negara Jl. Harsono RM. 70, Ragunan, Jakarta Selatan a.masgan87@gmail.com Abstract Algoritma Snow 2.0 merupakan salah

Lebih terperinci

BAB Kriptografi

BAB Kriptografi BAB 2 LANDASAN TEORI 2.1 Kriptografi Kriptografi berasal dari bahasa Yunani, yakni kata kriptos dan graphia. Kriptos berarti secret (rahasia) dan graphia berarti writing (tulisan). Kriptografi merupakan

Lebih terperinci

PERBANDINGAN DISTRIBUSI BINOMIAL DAN DISTRIBUSI POISSON DENGAN PARAMETER YANG BERBEDA

PERBANDINGAN DISTRIBUSI BINOMIAL DAN DISTRIBUSI POISSON DENGAN PARAMETER YANG BERBEDA Saintia Matematika Vol. 1, No. 3 (2013), pp. 299 312. PERBANDINGAN DISTRIBUSI BINOMIAL DAN DISTRIBUSI POISSON DENGAN PARAMETER YANG BERBEDA Raini Manurung, Suwarno Ariswoyo, Pasukat Sembiring Abstrak.

Lebih terperinci

PERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI. Abstrak

PERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI. Abstrak PERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI Dwi Yuli Rakhmawati, Muhammad Mashuri 2,2) Institut Teknologi Sepuluh Nopember dwiyuli_rakhmawati@yahoo.com,

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH SIMULASI (KB) KODE / SKS : KK / 3 SKS

SATUAN ACARA PERKULIAHAN MATA KULIAH SIMULASI (KB) KODE / SKS : KK / 3 SKS KODE / SKS : KK-01333 / 3 SKS 1 Pengertian dan tujuan 1. Klasifikasi Model 1 Simulasi. Perbedaan penyelesaian problem Dapat menjelaskan klasifikasi model dari matematis secara analitis dan numeris suatu

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Peluang Peluang mempunyai banyak persamaan arti, seperti kemungkinan, kesempatan dan kecenderungan. Peluang menunjukkan kemungkinan terjadinya suatu kejadian yang bersifat acak.

Lebih terperinci

Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=x) disebut distribusi probabilitas X

Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=x) disebut distribusi probabilitas X Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=) disebut distribusi probabilitas X (distribusi X) Diskrit Seragam Binomial Hipergeometrik

Lebih terperinci

FORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING

FORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING FORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING ABSTRAK ABSTRACT KATA PENGANTAR DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN BAB I PENDAHULUAN (kata pengantar) 1.1 Latar Belakang 1.2 Tujuan Penulisan

Lebih terperinci

ANALISIS PERBANDINGAN KINERJA ALGORITMA TWOFISH DAN TEA (TINY ENCRYPTION ALGORITHM) PADA DATA SUARA

ANALISIS PERBANDINGAN KINERJA ALGORITMA TWOFISH DAN TEA (TINY ENCRYPTION ALGORITHM) PADA DATA SUARA ANALISIS PERBANDINGAN KINERJA ALGORITMA TWOFISH DAN TEA (TINY ENCRYPTION ALGORITHM) PADA DATA SUARA Andi Hendra Jurusan Matematika MIPA Universitas Tadulako Abstrak Selain dokumen yang berupa teks, komunikasi

Lebih terperinci

Statistika Farmasi

Statistika Farmasi Bab 3: Distribusi Data Statistika FMIPA Universitas Islam Indonesia Distribusi Data Teori dalam statistika berkaitan dengan peluang Konsep dasar peluang tersebut berkaitan dengan peluang distribusi, yaitu

Lebih terperinci

ANALISIS GRAFIK KENDALI np YANG DISTANDARISASI UNTUK PENGENDALIAN KUALITAS DALAM PROSES PENDEK

ANALISIS GRAFIK KENDALI np YANG DISTANDARISASI UNTUK PENGENDALIAN KUALITAS DALAM PROSES PENDEK ANALISIS GRAFIK KENDALI np YANG DISTANDARISASI UNTUK PENGENDALIAN KUALITAS DALAM PROSES PENDEK Yayuk Nurkotimah dan Fachrur Rozi Jurusan Matematika UIN Maulana Malik Ibrahim Malang e-mail: ocy_cute9@yahoo.com

Lebih terperinci

KEKUATAN KONVERGENSI DALAM PROBABILITAS DAN KONVERGENSI ALMOST SURELY

KEKUATAN KONVERGENSI DALAM PROBABILITAS DAN KONVERGENSI ALMOST SURELY KEKUATAN KONVERGENSI DALAM PROBABILITAS DAN KONVERGENSI ALMOST SURELY Joko Sungkono* Abstrak : Tujuan yang ingin dicapai pada tulisan ini adalah mengetahui kekuatan konvergensi dalam probabilitas dan konvergensi

Lebih terperinci

PEMBANGKIT RANDOM VARIATE

PEMBANGKIT RANDOM VARIATE PEMBANGKIT RANDOM VARIATE Mata Kuliah Pemodelan & Simulasi JurusanTeknik Informatika Universitas Komputer Indonesia 1 Pendahuluan (1) Sifat probalitistik pada sistem nyata mempunyai pola distribusi probabilistik

Lebih terperinci

PROGRAM APLIKASI KRIPTOGRAFI PENYANDIAN ONE TIME PAD MENGGUNAKAN SANDI VIGENERE

PROGRAM APLIKASI KRIPTOGRAFI PENYANDIAN ONE TIME PAD MENGGUNAKAN SANDI VIGENERE 43 PROGRAM APLIKASI KRIPTOGRAFI PENYANDIAN ONE TIME PAD MENGGUNAKAN SANDI VIGENERE Lis Endah Pratiwi, Rini Marwati, Isnie Yusnitha Departemen Pendidikan Matematika FPMIPA Universitas Pendidikan Indonesia

Lebih terperinci

Distribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah

Distribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah Distribusi Diskrit dan Kontinu yang Penting Oleh Azimmatul Ihwah Distribusi Diskrit Fungsi probabilitas dari variabel random diskrit dapat dinyatakan dalam formula matematik tertentu yang dinamakan fungsi

Lebih terperinci

Penaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar

Penaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar Vol.14, No. 2, 159-165, Januari 2018 Penaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar Sutrianah Burhan 1, Andi Kresna Jaya 1

Lebih terperinci

DISTRIBUSI TEORITIS. P(M) = p = probabilitas untuk mendapat bola merah (sukses) 30

DISTRIBUSI TEORITIS. P(M) = p = probabilitas untuk mendapat bola merah (sukses) 30 DISTRIBUSI TEORITIS Distribusi teoritis merupakan alat bagi kita untuk menentukan apa yang dapat kita harapkan, apabila asumsi-asumsi yang kita buat benar. Distribusi teoritis memungkinkan para pembuat

Lebih terperinci

Analisis Pengembangan Algoritma Yarrow Menjadi Algoritma Fortuna

Analisis Pengembangan Algoritma Yarrow Menjadi Algoritma Fortuna Analisis Pengembangan Algoritma Yarrow Menjadi Algoritma Fortuna M. Haekal Izmanda Pulungan - 13507020 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,

Lebih terperinci

PROSES POISSON MAJEMUK. 1. Pendahuluan

PROSES POISSON MAJEMUK. 1. Pendahuluan PROSES POISSON MAJEMUK Chris Risen, Respatiwulan, Pangadi Program Studi Matematika FMIPA UNS Abstrak. Proses Poisson merupakan proses menghitung {; t 0} yang digunakan untuk menentukan jumlah kejadian

Lebih terperinci

Pengantar Statistika

Pengantar Statistika Ruang Lingkup Statistika iii iv Pengantar Statistika Ruang Lingkup Statistika v Pengantar Statistika Oleh : Nana Danapriatna Rony Setiawan Edisi Pertama Cetakan Pertama, 2005 Hak Cipta 2005 pada penulis,

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata

Probabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata Probabilitas dan Statistika Distribusi Peluang Kontinyu 1 Adam Hendra Brata Variabel Acak Kontinyu - Variabel Acak Kontinyu Suatu variabel yang memiliki nilai pecahan didalam range tertentu Distribusi

Lebih terperinci

METODE SOLOVAY-STRASSEN UNTUK PENGUJIAN BILANGAN PRIMA

METODE SOLOVAY-STRASSEN UNTUK PENGUJIAN BILANGAN PRIMA Buletin Ilmiah Mat Stat dan Terapannya (Bimaster) Volume 04, No 1 (2015), hal 85 94 METODE SOLOVAY-STRASSEN UNTUK PENGUJIAN BILANGAN PRIMA Sari Puspita, Evi Noviani, Bayu Prihandono INTISARI Bilangan prima

Lebih terperinci

PERBANDINGAN KURVA PADA DISTRIBUSI UNIFORM DAN DISTRIBUSI BINOMIAL

PERBANDINGAN KURVA PADA DISTRIBUSI UNIFORM DAN DISTRIBUSI BINOMIAL Statistika, Vol., No., Mei PERBANDINGAN KURVA PADA DISTRIBUSI UNIFORM DAN DISTRIBUSI BINOMIAL Moh. Yamin Darsyah, Dwi Haryo Ismunarti Program Studi S Statistika Universitas Muhammadiyah Semarang, Jl. Kedung

Lebih terperinci

STUDI MENGENAI KRIPTANALISIS UNTUK BLOCK CIPHER DES DENGAN TEKNIK DIFFERENTIAL DAN LINEAR CRYPTANALYSIS

STUDI MENGENAI KRIPTANALISIS UNTUK BLOCK CIPHER DES DENGAN TEKNIK DIFFERENTIAL DAN LINEAR CRYPTANALYSIS STUDI MENGENAI KRIPTANALISIS UNTUK BLOCK CIPHER DES DENGAN TEKNIK DIFFERENTIAL DAN LINEAR CRYPTANALYSIS Luqman Abdul Mushawwir NIM 13507029 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika

Lebih terperinci

DISTRIBUSI ERLANG DAN PENERAPANNYA. Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS

DISTRIBUSI ERLANG DAN PENERAPANNYA. Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS DISTRIBUSI ERLANG DAN PENERAPANNYA Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS nia.rini.purita2316@gmail.com, getut.uns@gmail.com ABSTRAK

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam teori probabilitas dan statistika, distribusi Binomial adalah distribusi probabilitas diskrit jumlah keberhasilan dalam n percobaan ya/tidak(berhasil/gagal)

Lebih terperinci

Pembangkitan Nilai MAC dengan Menggunakan Algoritma Blowfish, Fortuna, dan SHA-256 (MAC-BF256)

Pembangkitan Nilai MAC dengan Menggunakan Algoritma Blowfish, Fortuna, dan SHA-256 (MAC-BF256) Pembangkitan Nilai MAC dengan Menggunakan Algoritma Blowfish, Fortuna, dan SHA-256 (MAC-BF256) Sila Wiyanti Putri 1) 1) Program Studi Teknik Informatika ITB, Bandung 40132, email: silawp@gmail.com Abstract

Lebih terperinci

PEMBANGKIT BILANGAN ACAK

PEMBANGKIT BILANGAN ACAK PEMBANGKIT BILANGAN ACAK Mata Kuliah Pemodelan & Simulasi Pertemuan Ke- 7 Riani L. JurusanTeknik Informatika Universitas Komputer Indonesia 1 CARA MEMPEROLEH : Pembangkit Bilangan Acak (Random Number Generator)

Lebih terperinci

Tugas Kelompok. Mata Kuliah Metodologi Penelitian Kuantitatif. Judul Makalah Revisi DISTRIBUSI PELUANG

Tugas Kelompok. Mata Kuliah Metodologi Penelitian Kuantitatif. Judul Makalah Revisi DISTRIBUSI PELUANG Tugas Kelompok Mata Kuliah Metodologi Penelitian Kuantitatif Judul Makalah Revisi DISTRIBUSI PELUANG Kajian Buku Pengantar Statistika Pengarang Nana Sudjana Tugas dibuat untuk memenuhi tugas mata kuliah

Lebih terperinci

Distribusi Probabilitas Diskrit: Binomial, Multinomial, & Binomial Negatif

Distribusi Probabilitas Diskrit: Binomial, Multinomial, & Binomial Negatif Distribusi Probabilitas Diskrit: Binomial, Multinomial, & Binomial Negatif 6 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Variabel Acak Diskrit Distribusi

Lebih terperinci

IMPLEMENTASI ALGORITMA SEAL PADA KEAMANAN DATA

IMPLEMENTASI ALGORITMA SEAL PADA KEAMANAN DATA IMPLEMENTASI ALGORITMA SEAL PADA KEAMANAN DATA I Made Kartika, Restyandito, Sri Suwarno Fakultas Teknologi Informasi, Program Studi Teknik Informatika Universitas Kristen Duta Wacana Yogyakarta Email:

Lebih terperinci

STATISTIKA II IT

STATISTIKA II IT STATISTIKA II IT-011227 Ummu Kalsum UNIVERSITAS GUNADARMA 2017 Keterlambatan : KONTRAK KULIAH MOHON KETERLAMBATAN TIDAK LEBIH 15 MENIT Sanksi atau hukuman, sebagai contoh: Menguraikan pengetahuan tentang

Lebih terperinci

BAB I PENDAHULUAN. dapat dianggap mendekati normal dengan mean μ = μ dan variansi

BAB I PENDAHULUAN. dapat dianggap mendekati normal dengan mean μ = μ dan variansi BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Matematika merupakan salah satu cabang ilmu pengetahuan yang melambangkan kemajuan zaman. Oleh karena itu matematika banyak digunakan oleh cabang ilmu lain

Lebih terperinci

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN SEKOLAH TINGGI MANAJEMEN INFORMAA KOMPUTER JAKARTA STIK SATUAN ACARA PERKULIAHAN Mata : TEKNIK SIMULASI Kode Mata : MI - 15222 Jurusan / Jenjang : D3 TEKNIK KOMPUTER Tujuan Instruksional Umum : Agar mahasiswa

Lebih terperinci

Pendiskritan Pembangkit Bilangan Acak Peta Logistik Menggunakan Fungsi Trigonometri Osilasi Tinggi

Pendiskritan Pembangkit Bilangan Acak Peta Logistik Menggunakan Fungsi Trigonometri Osilasi Tinggi Pendiskritan Pembangkit Bilangan Acak Peta Logistik Menggunakan Fungsi Trigonometri Osilasi Tinggi Achmad Dimas Noorcahyo - 13508076 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika

Lebih terperinci

Mata Kuliah Pemodelan & Simulasi

Mata Kuliah Pemodelan & Simulasi Mata Kuliah Pemodelan & Simulasi Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia 1 Pendahuluan (1) Sifat probabilitistik pada sistem nyata mempunyai pola distribusi probabilistik

Lebih terperinci

Probabilitas & Distribusi Probabilitas

Probabilitas & Distribusi Probabilitas Probabilitas & Distribusi Probabilitas Probabilitas Definisi peluang untuk terjadi atau tidak terjadi Probabilitas untuk keluarnya mata satu dalam pelemparan satu kali sebuah dadu? Berapakah peluang seorang

Lebih terperinci

Penggabungan dan Pemecahan. Proses Poisson Independen

Penggabungan dan Pemecahan. Proses Poisson Independen Penggabungan dan Pemecahan Proses Poisson Independen Hanna Cahyaningtyas 1, Respatiwulan 2, Pangadi 3 1 Mahasiswa Program Studi Matematika/FMIPA, Universitas Sebelas Maret 2 Dosen Program Studi Statistika/FMIPA,

Lebih terperinci

ENKRIPSI DAN DEKRIPSI DATA DENGAN ALGORITMA 3 DES (TRIPLE DATA ENCRYPTION STANDARD)

ENKRIPSI DAN DEKRIPSI DATA DENGAN ALGORITMA 3 DES (TRIPLE DATA ENCRYPTION STANDARD) ENKRIPSI DAN DEKRIPSI DATA DENGAN ALGORITMA 3 DES (TRIPLE DATA ENCRYPTION STANDARD) Drs. Akik Hidayat, M.Kom Jurusan Matematika FMIPA Universitas Padjadjaran Jl. Raya Bandung-Sumedang km 21 Jatinangor

Lebih terperinci

Analisis Penerapan Berbagai Chaotic Map sebagai Pembangkit Bilangan Acak Semu

Analisis Penerapan Berbagai Chaotic Map sebagai Pembangkit Bilangan Acak Semu Analisis Penerapan Berbagai Chaotic Map sebagai Pembangkit Bilangan Acak Semu Danny Andrianto 13510011 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,

Lebih terperinci

KRIPTOGRAFI HILL CIPHER DENGAN MENGGUNAKAN OPERASI MATRIKS

KRIPTOGRAFI HILL CIPHER DENGAN MENGGUNAKAN OPERASI MATRIKS KRIPTOGRAFI HILL CIPHER DENGAN MENGGUNAKAN OPERASI MATRIKS Nikken Prima Puspita dan Nurdin Bahtiar Jurusan Matematika FMIPA UNDIP Jl. Prof. H. Soedarto S.H. Semarang 5075 ABSTRAK. Diberikan matriks A berukuran

Lebih terperinci

Makalah Statistika Distribusi Normal

Makalah Statistika Distribusi Normal Makalah Statistika Distribusi Normal Disusun Oleh: Dwi Kartika Sari 23214297 2EB16 Fakultas Ekonomi Jurusan Akuntansi Universitas Gunadarma 2015 Kata Pengantar Puji syukur kehadirat Tuhan Yang Maha Esa

Lebih terperinci

DISTRIBUSI PROBABILITAS (PELUANG)

DISTRIBUSI PROBABILITAS (PELUANG) DISTRIBUSI PROBABILITAS (PELUANG) Distribusi Probabilitas (Peluang) Distribusi? Probabilitas? Distribusi Probabilitas? JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA Distribusi = sebaran,

Lebih terperinci

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN SEKOLAH TINGGI MANAJEMEN INFORMAA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN Mata : SIMULASI DAN PERMODELAN Kode Mata : MI 1302 Jurusan / Jenjang : S1 SISTEM KOMPUTER Tujuan Instruksional Umum :

Lebih terperinci

BI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Dist

BI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Dist BI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Distribusi Orang Biologi Tidak Anti Statistika Silabus Silabus dan Tujuan Konsep peubah acak, fungsi peluang (probability density function), fungsi distribusi

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Distribusi Normal Salah satu distribusi frekuensi yang paling penting dalam statistika adalah distribusi normal. Distribusi normal berupa kurva berbentuk lonceng setangkup yang

Lebih terperinci

Distribusi probabilitas dan normal. Statisitik Farmasi 2015

Distribusi probabilitas dan normal. Statisitik Farmasi 2015 Distribusi probabilitas dan normal Statisitik Farmasi 2015 Part 1. DISTRIBUSI PROBABILITAS Statisitik Farmasi 2015 Tujuan Perkuliahan Setelah menyelesaikan kuliah ini, mahasiswa mampu: Membuat distribusi

Lebih terperinci

LANDASAN TEORI. Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu.

LANDASAN TEORI. Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu. II. LANDASAN TEORI Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu. Distribusi ini merupakan distribusi fungsi padat yang terkenal luas dalam bidang matematika. Distribusi gamma

Lebih terperinci

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER 1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER A. Musdalifa, Raupong, Anna Islamiyati Abstrak Estimasi parameter adalah merupakan hal

Lebih terperinci

STATISTIKA. Muhamad Nursalman Pendilkom/Ilkom UPI

STATISTIKA. Muhamad Nursalman Pendilkom/Ilkom UPI STATISTIKA Muhamad Nursalman Pendilkom/Ilkom UPI 1 Daftar Isi Bab 1 Peluang Bab Peubah Acak Bab 3 Distribusi Peluang Diskret Bab 4 Distribusi Peluang Kontinu Bab 5 Fungsi Peubah Acak Bab 6 Teori Penaksiran

Lebih terperinci

RC4 Stream Cipher. Endang, Vantonny, dan Reza. Departemen Teknik Informatika Institut Teknologi Bandung Jalan Ganesha 10 Bandung 40132

RC4 Stream Cipher. Endang, Vantonny, dan Reza. Departemen Teknik Informatika Institut Teknologi Bandung Jalan Ganesha 10 Bandung 40132 Endang, Vantonny, dan Reza Departemen Teknik Informatika Institut Teknologi Bandung Jalan Ganesha 10 Bandung 40132 E-mail : if10010@students.if.itb.ac.id if10073@students.if.itb.ac.id if11059@students.if.itb.ac.id

Lebih terperinci

Studi dan Implementasi Pengamanan Basis Data dengan Teknik Kriptografi Stream Cipher

Studi dan Implementasi Pengamanan Basis Data dengan Teknik Kriptografi Stream Cipher Studi dan Implementasi Pengamanan Basis Data dengan Teknik Kriptografi Stream Cipher Abstrak Dicky Ekklesia Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung

Lebih terperinci

MODIFIKASI METODE LINEAR CONGRUENTIAL GENERATOR UNTUK OPTIMALISASI HASIL ACAK

MODIFIKASI METODE LINEAR CONGRUENTIAL GENERATOR UNTUK OPTIMALISASI HASIL ACAK MODIFIKASI METODE LINEAR CONGRUENTIAL GENERATOR UNTUK OPTIMALISASI HASIL ACAK I Made Divya Biantara 1), I Made Sudana 2), Alfa Faridh Suni, Suryono 3), Arimaz Hangga 4) 1,2,3,4) Jurusan Teknik Elektro,

Lebih terperinci

Uji SAC Terhadap Algoritma Speck

Uji SAC Terhadap Algoritma Speck SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Uji SAC Terhadap Algoritma Speck T - 15 Is Esti Firmanesa 1, Wildan 2 Lembaga Sandi Negara isestifirmanesa@yahoo.com Abstrak Algoritma Speck

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Menurut Open Darnius (2006, hal: 53) simulasi dapat diartikan sebagai suatu

BAB 2 TINJAUAN TEORITIS. Menurut Open Darnius (2006, hal: 53) simulasi dapat diartikan sebagai suatu xiv BAB 2 TINJAUAN TEORITIS 2.1 Pendahuluan Menurut Open Darnius (2006, hal: 53) simulasi dapat diartikan sebagai suatu rekayasa dari suatu model secara logika ilmiah merupakan suatu metode alternatif

Lebih terperinci

APLIKASI ENKRIPSI CITRA DIGITAL MENGGUNAKAN ALGORITMA GINGERBREADMAN MAP. Suryadi MT 1 Tony Gunawan 2. Abstrak

APLIKASI ENKRIPSI CITRA DIGITAL MENGGUNAKAN ALGORITMA GINGERBREADMAN MAP. Suryadi MT 1 Tony Gunawan 2. Abstrak APLIKASI ENKRIPSI CITRA DIGITAL MENGGUNAKAN ALGORITMA GINGERBREADMAN MAP Suryadi MT 1 Tony Gunawan 2 1 Departemen Matematika, FMIPA Universitas Indonesia 2 Jurusan Teknik Informatika, FTI Universitas Gunadarma

Lebih terperinci

Analisis Keacakan Generator Angka Pseudorandom Mersenne Twister dengan Metode Diehard Test

Analisis Keacakan Generator Angka Pseudorandom Mersenne Twister dengan Metode Diehard Test Analisis Keacakan Generator Angka Pseudorandom Mersenne Twister dengan Metode Diehard Test Luqman A. Siswanto (13513024) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika, Institut

Lebih terperinci

PENGUJIAN KEACAKKAN OUTPUT ALGORITMA CLEFIA-128 MODE COUNTER BERDASARKAN NIST SP

PENGUJIAN KEACAKKAN OUTPUT ALGORITMA CLEFIA-128 MODE COUNTER BERDASARKAN NIST SP PENGUJIAN KEACAKKAN OUTPUT ALGORITMA CLEFIA-128 MODE COUNTER BERDASARKAN NIST SP 800-22 A mas 1, Aprita Danang P. 2 Lembaga Sandi Negara amas@lemsaneg.go.id, aprita.danang@lemsaneg.go.id, Abstrak CLEFIA

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR JURUSAN : TEKNIK KOMPUTER JUMLAH SKS : 2

SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR JURUSAN : TEKNIK KOMPUTER JUMLAH SKS : 2 SATUAN ACAA PEKULIAHAN MATA KULIAH : STATISTIKA DASA JUUSAN : TEKNIK KOMPUTE Minggu Pokok Bahasan ke dan TIU 1 Pendahuluan tentang konsep statistika dan notasi Sub Pokok Bahasan dan Sasaran Belajar Konsep

Lebih terperinci

Pertukaran kunci Diffie-Hellman dengan Pembangkit Bilangan Acak Linear Congruential Generator (LCG)

Pertukaran kunci Diffie-Hellman dengan Pembangkit Bilangan Acak Linear Congruential Generator (LCG) Pertukaran kunci Diffie-Hellman dengan Pembangkit Bilangan Acak Linear Congruential Generator (LCG) Ferawaty Ng STMIK Mikroskill gold3n27@gmail.com Abstrak Dalam Kriptografi keamanan suatu pesan sangatlah

Lebih terperinci

IMPLEMENTASI PROTOKOL SECRET SPLITTING DENGAN FUNGSI HASH BERBASIS LATTICE PADA NOTARIS DIGITAL

IMPLEMENTASI PROTOKOL SECRET SPLITTING DENGAN FUNGSI HASH BERBASIS LATTICE PADA NOTARIS DIGITAL IMPLEMENTASI PROTOKOL SECRET SPLITTING DENGAN FUNGSI HASH BERBASIS LATTICE PADA NOTARIS DIGITAL Wahyu Indah Rahmawati 1), Sandromedo Christa Nugroho 2) 1.2) Lembaga Sandi Negara e-mail : wahyu.indah@lemsaneg.go.id

Lebih terperinci

BAB III PENYANDIAN ONE TIME PAD MENGGUNAKAN SANDI VIGENERE

BAB III PENYANDIAN ONE TIME PAD MENGGUNAKAN SANDI VIGENERE BAB III PENYANDIAN ONE TIME PAD MENGGUNAKAN SANDI VIGENERE 3.1 SANDI VIGENERE Sandi Vigenere termasuk dalam kriptografi klasik dengan metode sandi polialfabetik sederhana, mengenkripsi sebuah plaintext

Lebih terperinci

BAB 1 PENDAHULUAN. ii Bagaimana rata-rata atau nilai tengah dibuat oleh Stimulan eksternal.

BAB 1 PENDAHULUAN. ii Bagaimana rata-rata atau nilai tengah dibuat oleh Stimulan eksternal. BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan ilmu pengetahuan matematika dan penerapannya dalam berbagai bidang keilmuan selalu mencari metode baru untuk memudahkan dalam memprediksi dan menaksir

Lebih terperinci

Nilai Harapan / Nilai Ekspektasi

Nilai Harapan / Nilai Ekspektasi EKSPEKTASI Misalkan sebuah eksperimen menghasilkan k peristiwa, dan peluang masing-masing peristiwa P 1, P, P k dan untuk tiap peristiwa terdapat satuan (bobot d 1, d d k ) maka ekspektasi eksperimen itu

Lebih terperinci

Analisis dan Implementasi Pengamanan Pesan pada Yahoo! Messenger dengan Algoritma RSA

Analisis dan Implementasi Pengamanan Pesan pada Yahoo! Messenger dengan Algoritma RSA Analisis dan Implementasi Pengamanan Pesan pada Yahoo! Messenger dengan Algoritma RSA Mohamad Irvan Faradian Program Studi Teknik Informatika, STEI, ITB, Bandung 40132, email: if14024@students.if.itb.ac.id

Lebih terperinci

TINJAUAN PUSTAKA. mengestimasi parameter regresi. Distribusi generalized. digunakan dalam bidang ekonomi dan keuangan.

TINJAUAN PUSTAKA. mengestimasi parameter regresi. Distribusi generalized. digunakan dalam bidang ekonomi dan keuangan. II. TINJAUAN PUSTAKA Distribusi generalized,,, adalah salah satu distribusi probabilitas kontinu. Distribusi ini pertama kali diperkenalkan McDonald dan Newey 988 untuk mengestimasi parameter regresi.

Lebih terperinci

DISTRIBUSI BINOMIAL STKIP SILIWANGI BANDUNG LUVY S ZANTHY KAPSEL SMA

DISTRIBUSI BINOMIAL STKIP SILIWANGI BANDUNG LUVY S ZANTHY KAPSEL SMA DISTRIBUSI BINOMIAL STKIP SILIWANGI BANDUNG LUVY S ZANTHY KAPSEL SMA 1 LUVY S. ZANTHY KAPSEL SMA 2 LUVY S. ZANTHY KAPSEL SMA 3 Distribusi Binomial O Dalam suatu percobaan statistik sering dijumpai pengulangan

Lebih terperinci

STK 211 Metode statistika. Materi 4 Peubah Acak dan Sebaran Peluang

STK 211 Metode statistika. Materi 4 Peubah Acak dan Sebaran Peluang STK 211 Metode statistika Materi 4 Peubah Acak dan Sebaran Peluang 1 Pendahuluan Soal ujian masuk PT diselenggarakan dengan sistem pilihan berganda. Jika jawaban benar diberi nilai 4, salah dikurangi 1

Lebih terperinci

Message Authentication Code (MAC) Pembangkit Bilangan Acak Semu

Message Authentication Code (MAC) Pembangkit Bilangan Acak Semu Bahan Kuliah ke-21 IF5054 Kriptografi Message Authentication Code (MAC) Pemangkit Bilangan Acak Semu Disusun oleh: Ir. Rinaldi Munir, M.T. Departemen Teknik Informatika Institut Teknologi Bandung 2004

Lebih terperinci