Perbandingan Algoritma RSA dengan Algoritma Blowfish Pada Perancangan Aplikasi Keamanan Data
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Pada perkembangan teknologi informasi yang semakin tinggi dan meningkat, serta zaman yang serba canggih seperti ini dibutuhkan alat untuk mengirim pesan sudah banyak termasuk medianya seperti chatting, line atau sejenisnya sehingga kita bisa mengirim pesan dengan cepat begitu juga sebaliknya. Dari semua kemudahan itu tentu akan sangat berpengaruh ketika kita akan mengirim pesan yang isinya hanya orang-orang tertentu saja yang memiliki hak untuk mengetahui isinya. Salah satu yang harus benar-benar diwaspadai dan hati-hati adalah pesan yang bersifat rahasia karena jika pesan itu tersebar maka akan berdampak buruk pada kita sendiri atau orang lain. Beberapacara dapat digunakan, salah satunya dengan cara mengamankan data informasi dengan menggunakan konsep kriptografi berhubungan dengan aspek keamanan informasi, integritas suatu data. Algoritma kripografi yang akan digunakan untuk menyelesaikan masalah pengamanan informasi atau data yaitu dengan menggunakan metode RSA dan metode Algoritma Blowfish. Hasil enkripsi dari kata UPI YPTK didapatlah hasil dengan menggunakan metode RSA yaitu didapatlah Hasil Desimal : 98 135 98 0 113 9 9 84 98 34 98 0 98 49 113 135, dan hasil dari proses enkripsi menggunakan Algoritma Blowfish yaitu ܬ/*œ|9‹.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.000 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.004 |
| Science and technology studies | 0.002 | 0.000 |
| Scholarly communication | 0.012 | 0.012 |
| Open science | 0.012 | 0.007 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 it