Rancang Bangun Sistem Enkripsi Dan Dekripsi Pengiriman Informasi Menggunakan Algoritma Viginere Cipher Berbasis Jaringan Sensor Nirkabel
Bibliographic record
Abstract
Penelitian menggunakan jaringan sensor wireless sebagai media transmisi data yang mudah diakses oleh banyak orang sehingga mengharuskan dilakukan pengamanan data dengan cara mengengkripsi dan deskripsi karena menyangkut data medis dari seseorang yang menurut kode etik rumah sakit harus dirahasiakan dan tidak dapat diakses/diketahui oleh orang yang tidak berkepentingan. Data monitoring suhu ruangan incubator bayi sebagai sampel penelitian apabila nantinya diterapkan pada informasi yang berbeda juga bisa dilakukan, penelitian yang dilakukan dalam incubator adalah bayi yang lahir premature yang sangat rentan karena organ-organ tubuhnya masih ada yg belum bekerja dengan baik sehingga sangat perlu untuk dimonitor setiap beberapa saat dan hal tersebut bisa menyulitkan para rekan medis apalagi apabila jumlah bayi dalam incubator lebih dari satu dan waktu monitoring setiap bayi berbeda karena kondisinya berbeda. Penelitian ini bertujuan memberikan metode keamanan data sensing suhu incubator bayi pada jaringan sensor nirkabel dan bermanfaat untuk mengaplikasikan monitoring lingkungan yang memerlukan tingkat keamanan data pengukuran. Hasil penelitian menggunakan algoritma vigenere cipher dapat efisien untuk mengamankan informasi data suhu incubator bayi dan menggunakan jaringan sensor nirkabel sebagai medianya.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 0.006 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".