Aplikasi Keamanan E-Commerece Berbasis Web Menggunakan Metode Algoritma Blowfish

bahasa inggris

  • Hairullah Hairul Universitas Udayana
  • Cokorda Rai Adi Pramartha
  • Ida Ayu Gde Suwiprabayanti Putra

Abstract

Seiring dengan perkembangan informasi yang terus meningkat salah satunya penggunaan komputerisasi dalam berbagai bidang. Hal ini erat kaitannya dengan penggunaan password dalam area komputerisasi. Rawannya manupulasi password dinilai sebagai hal yang perlu dicegah menggunakan data hiding. Salah satu teknik dalam data hiding yaitu Kriptografi. Dalam kriptografi terdapat banyak algoritma, salah satnya yang memiliki kehandalan yaitu algoritma blowfish. Sampai saat ini algoritma Blowfish belum ditemukan kelemahan yang berarti hanya adanya weak key dimana dua entri dari S-box mempunyai nilai yang sama. Belum ada cara untuk mengecek weak key sebelum melakukan key expansion, tetapi hal ini tidak berpengaruh terhadap hasil enkripsi. Hasil enkripsi dengan algoritma Blowfish sangat tidak mungkin dan tidak praktis untuk di terjemahkan tanpa bantuan kunci. Sampai kini belum ada Cryptanalysis yang dapat membongkar pesan tanpa kunci yang enkripsi oleh Blowfish. Hasil pengujian menunjukkan bahwa aplikasi bisa menjalankan fungsi-fungsi untuk melakukan proses enkripsi dan dekripsi data dengan baik. Waktu proses untuk enkripsi dan dekripsi untuk masing-masing file mempunyai sedikit perbedaan dikarenakan ukuran antara plainteks dan cipherteks juga berbeda, sedangkan waktu yang diperlukan juga lebih lama. Penelitian ini telah menghasilkan aplikasi enkripsi password yang telah diuji coba dan algoritma blowfish terbukti handal dalam mengamankan password.

Published
2022-11-25
How to Cite
HAIRUL, Hairullah; PRAMARTHA, Cokorda Rai Adi; PUTRA, Ida Ayu Gde Suwiprabayanti. Aplikasi Keamanan E-Commerece Berbasis Web Menggunakan Metode Algoritma Blowfish. Jurnal Nasional Teknologi Informasi dan Aplikasnya, [S.l.], v. 1, n. 1, p. 79-88, nov. 2022. ISSN 3032-1948. Available at: <https://ojs.unud.ac.id/index.php/jnatia/article/view/92843>. Date accessed: 19 nov. 2024.

Most read articles by the same author(s)

Obs.: This plugin requires at least one statistics/report plugin to be enabled. If your statistics plugins provide more than one metric then please also select a main metric on the admin's site settings page and/or on the journal manager's settings pages.