Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Log inSign up
Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Blog
Job Board
Q3AS

© 2026 Aqora Quantum S.A.S.

TermsPrivacyLegal Notice

Jurnal Teknik Informatika dan Sistem Informasi

Simulasi Dinamis Single Qubit dan Multi Qubit: Sebuah Pendekatan Python

Muhammad Yusril Helmi Setyawan, Nisa Hanum Harani, Achmad Andriyanto

Published Aug 14, 2025• 0 citations
Publisher

Abstract

Penelitian ini mengembangkan sistem simulasi dinamis untuk single qubit dan multi qubit menggunakan pendekatan Python, memanfaatkan pustaka komputasi kuantum seperti Qiskit, NumPy, dan Matplotlib. Sistem ini dirancang untuk mensimulasikan berbagai operasi kuantum, termasuk Hadamard, Pauli-X, Pauli-Y, Pauli-Z, CNOT, dan Toffoli, dengan integrasi antarmuka web berbasis Flask untuk memudahkan interaksi pengguna. Hasil simulasi menunjukkan tingkat akurasi tinggi, dengan perbedaan hanya 0,2% pada probabilitas pengukuran untuk operasi single qubit seperti Hadamard dan kurang dari 0,4% untuk operasi multi qubit seperti CNOT dan Toffoli. Pengujian juga menunjukkan waktu eksekusi yang efisien, berkisar antara 12 hingga 25 milidetik, bahkan untuk operasi kuantum yang kompleks. Validasi terhadap literatur yang diakui menunjukkan bahwa sistem ini akurat dan efisien, serta dapat diandalkan untuk mendukung pembelajaran dan penelitian dalam komputasi kuantum.

DOI
10.28932/jutisi.v11i2.10075

Related papers

Implementasi Algoritma Kuantum Shor untuk Pemfaktoran Perkallian Bilangan Prima

Adjie Wahyu Wicaksono

Komputasi kuantum adalah penggunaan fenomena kuantum untuk melakukan komputasi. Salah satu kegunaan dari komputasi kuantum adalah pemfaktoran perkalian bilangan prima. Algoritma pemfaktoran Shor dapat memfaktorkan bilangan prima dengan kecepatan polinomial, dimana pada komputer klasik hanya dapat mencapai kecepatan super-polinomial. Implementasi dari algoritma ini ditujukan untuk menunjukkan kemampuan komputer kuantum menggunakan simulator dan library Python milik ProjectQ. Evaluasi user time dilakukan dengan membandingkan implementasi algoritma kuantum Shor pada penelitian ini dengan implementasi di Quantum Computing Playground dan ProjectQ menggunakan dua perangkat keras berbeda. Hasil evaluasi menunjukkan peningkatan waktu eksekusi sebesar 19% dari perangkat 1 ke perangkat 2 untuk kasus pemfaktoran perkalian bilangan berukuran 10-bit. Dalam hal penggunaan qubit, penelitian ini juga menunjukkan bahwa penggunaan qubit pada algoritma kuantum Shor dapat dikurangi sebesar 50% untuk membantu mempercepat waktu eksekusi program.

•Jan 1, 2019•0 citations

IMPLEMENTASI TEKNOLOGI QUANTUM CRYPTOGRAPHY UNTUK MENINGKATKAN KEAMANAN DALAM JARINGAN KOMPUTER DAN KEAMANAN KOMPUTER

Chaidir Chalaf Islamy, Rahmadani Suryanto Dwi Putra

Perkembangan tekonologi komputasi kuantum membawa tantangan besar bagi sistem keamanan informasi konvensional yang selama ini mengandalkan kompleksitas matematis, seperti RSA dan ECC. Munculnya algoritma kuantum seperti Shor’s algorithm berpotensi mengancam eksistensi metode kriptografi klasik. Dalam konteks ini, kriptografi kuantum hadir sebagai solusi inovatif dengan memanfaatkan prinsip-prinsip mekanika kuantum untuk menjamin keamanan data secara teoritis, bahkan terhadap penyerang dengan daya komputasi tak terbatas. Penelitian ini membahas implementasi teknologi Quantum Cryptography, khususnya protokol BB84 yang telah ditingkatkan, sebagai metode distribusi kunci rahasia yang aman pada jaringan komputer. Fokus utama adalah pada keamanan pertukaran kunci Quantum Key Distribution (QKD) serta efisiensi algoritma dalam lingkungan jaringan dengan keterbatasan sumber daya. Selain itu, penelitian ini juga meninjau penerapan kriptografi kuantum dalam berbagai konteks jaringan masa depan, termasuk Wireless Body Sensor Networks (WBSN), jaringan 5G, dan post-quantum networks, serta potensi integrasinya dalam infrastruktur keamanan digital di masa depan. Hasil pengujian Avalanche Effect, Hash Generation Time, dan Hash Verification Time menunjukkan bahwa kriptografi kuantum mampu memberikan performa keamanan yang lebih baik dibandingkan dengan metode kriptografi populer seperti RSA dan AES

Jurnal Mnemonic•Mar 16, 2026•0 citations

Penerapan Quantum Neural Network Berbasis Qubit Encoding Pada Sinyal Audio Untuk Identifikasi Tingkat Kebisingan

Mohammad Amrizal Kurniansyah, Barlian Henryranu Prasetio

Polusi suara merupakan ancaman laten yang dapat memicu kerusakan pendengaran permanen (Noise-Induced Hearing Loss). Perangkat pemantau konvensional seperti Sound Level Meter (SLM) memiliki keterbatasan karena hanya mengukur intensitas desibel total tanpa mampu mengidentifikasi sumber spesifik pembawa bising. Penelitian ini merancang purwarupa sistem pemantau kebisingan lingkungan kerja cerdas berbasis edge computing pada Raspberry Pi 5 menggunakan sensor mikrofon digital INMP441 I2S. Sistem ini dirancang untuk menghitung Tingkat Kebisingan Ekuivalen (Leq dBA) sekaligus mengklasifikasikan 5 jenis sumber kebisingan (air conditioner, drilling, engine idling, jackhammer, dan siren). Metode klasifikasi yang diterapkan adalah Quantum Neural Network (QNN) berbasis Qubit Encoding (Amplitude Encoding) pada sirkuit 6-qubit, dengan membandingkan kinerjanya terhadap Convolutional Neural Network (CNN) klasik. Ekstraksi fitur menggunakan Log-Mel Spectrogram 64x64 piksel. Hasil pengujian menunjukkan bahwa model CNN unggul dengan akurasi 95,91% (waktu latih 790,63 detik), sedangkan QNN mencapai akurasi 65,88% (waktu latih 5918,55 detik). Pengujian kalibrasi perangkat keras menunjukkan tingkat galat pembacaan dBA hanya sebesar 1,11 dBA terhadap SLM referensi. Purwarupa ini berhasil mengintegrasikan prediksi kelas cerdas dengan kalkulasi desibel untuk memicu peringatan keselamatan kerja secara real-time berdasarkan Nilai Ambang Batas Keselamatan dan Kesehatan Kerja (K3) regulasi Permenaker No. 5 Tahun 2018.

Jurnal Pengembangan Teknologi dan Ilmu Komputer•Aug 23, 2026•0 citations

Kajian Komputasi Algoritma Kuantum Quantum V ariational Eigensolver untuk Simulasi Molekul H2

M Sidik Augi Rahmat, Pekik Nurwantoro

Telah dilakukan telaah teoritis dan komputasi mengenai algoritma kuantum variational quantum eigensolver simulasi molekul H2. Algoritma variational quantum eigensolver (VQE) adalah salah satu algoritma yang dapat diterapkan pada komputer kuantum sederhana pada masa kini dan merupakan algoritma yang cukup stabil dan efek dekoherensi. Algoritma VQE disebut sebagai hybrid quantum-classical karena sebagian algoritma dikerjakan pada komputer klasik. Prinsip dasar algoritma VQE adalah prinsip variasi, yaitu pencarian fungsi gelombang yang akan mengakibatkan energi sistem kuantum memiliki energi terendah. Fungsi gelombang dan Hamiltonan pada algoritma VQE disimulasikan dengan menggunakan gerbang-gerbang kuantum. Untuk dapat dioperasikan oleh gerbang kuantum. Hamiltonan dan fungsi gelombang pada penelitian ini menggunakan wakilan kuantisasi kedua. Penelitian ini menggunakan transformasi Jordan-Wigner dan Bravyi-Kitaev dari operator fermionik menjadi operator kubit (qubit) atau gerbang kuantum.Perhitungan atau komputasi energi sistem dilakukan menggunakan komputer kuantum, namun optimasi dilakukan pada komputer klasik menggunakan algoritma optimasi seperti Nelder-Mead, Powell dan BFGS. Penelitian ini akan mendekati fungsi gelombang sistem dengan beberapa basis fungsi dan metode, kemudian dari hasil yang diperoleh akan dilihat pendekatan seperti apa yang paling cocok untuk simulasi molekul H2. Simulasi numerik pada penelitian ini menggunakan paket pemrograman OpenFermion dan layanan komputasi awan kuantum Rigetti Computing.

Jurnal Fisika Indonesia•Apr 7, 2020•5 citations

EKSPLORASI KAPASITAS PENGKODEAN AMPLITUDO UNTUK MODEL QUANTUM MACHINE LEARNING

Rabiatul Adawiyah, Munifah Munifah

Komputasi kuantum melakukan perhitungan dengan menggunakan fenomena fisik dan prinsip mekanika kuantum untuk memecahkan masalah. Bentuk komputasi ini secara teoritis telah terbukti memberikan percepatan pada beberapa masalah pemrosesan modern. Perkembangan baru dalam teknologi kuantum mulai bermunculan, dan penerapan model pembelajaran untuk perangkat baru ini terus berkembang. Dengan banyak antisipasi pemanfaatan fenomena kuantum di bidang Machine Learning telah menjadi jelas. Penelitian ini mengembangkan model kerangka kerja perangkat lunak TensorFlow Quantum (TFQ) untuk tujuan machine learning. Kedua model yang dikembangkan memanfaatkan teknik pengkodean informasi dari pengkodean amplitudo untuk penyusunan keadaan dalam model pembelajaran kuantum. Tujuan dari penelitian ini adalah mengeksplorasi kapasitas pengkodean amplitudo untuk menyediakan persiapan keadaan yang diperkaya dalam metode pembelajaran dan analisis mendalam tentang properti data yang memberikan wawasan tentang data pelatihan menggunakan Variational Quantum Classifier (VQC). Munculnya metode baru ini menimbulkan pertanyaan tentang cara terbaik menggunakan alat ini, tujuannya adalah untuk memberikan beberapa penjelasan ikhtisar untuk keadaan machine learning kuantum yang dapat diterapkan mengingat kendala perangkat yang sebenarnya. Hasil penelitian ini menunjukkan ada keuntungan yang jelas untuk menggunakan pengkodean amplitudo dibandingkan metode lain seperti ditunjukkan menggunakan jaringan saraf klasik kuantum hibrid di TFQ. Selain itu, ada beberapa langkah prapemrosesan yang dapat menghasilkan lebih banyak data kaya fitur saat menggunakan VQC, pada dasarnya teorema makan siang tidak gratis berlaku untuk metode pembelajaran kuantum seperti halnya dalam teknik klasik. Informasi meskipun dikodekan dalam bentuk kuantum tidak mengubah langkah-langkah penyiapan data tetapi melibatkan cara-cara baru untuk memahami dan mengapresiasi metode-metode baru ini. Pekerjaan masa depan di bidang ini akan membutuhkan perluasan ke dalam teknik klasifikasi multikelas yang cukup dikembangkan untuk dapat diterapkan dalam pekerjaan seperti ini.

Informatika Jurnal Teknik Informatika dan Multimedia•May 19, 2023•4 citations

Quantum Computing dan Implikasinya Terhadap Keamanan Sistem Akuntansi: Kajian Literatur

Aprita Ravenna Ginting, Cindy Aulia Rusli, Riska Harianingsih +1 more

Tujuan penelitian ini adalah untuk menilai dampak komputasi kuantum terhadap perlindungan data akuntansi yang selama ini bergantung pada kriptografi konvensional seperti RSA dan ECC. Penelitian ini menggunakan pendekatan studi literatur yang mencakup jurnal ilmiah, white paper, dan standar internasional yang relevan dengan post-quantum cryptography. Analisis yang dilakukan mengungkapkan bahwa algoritma kuantum, seperti Shor dan Grover, dapat melemahkan kekuatan enkripsi digital yang digunakan dalam sistem akuntansi saat ini, yang berisiko merusak integritas serta kerahasiaan data akuntansi. Sebagai solusi terhadap ancaman tersebut, disarankan untuk menerapkan kriptografi pasca-kuantum berbasis lattice dan hash, serta mengintegrasikan quantum blockchain untuk memastikan perlindungan data dalam jangka panjang. Penelitian ini juga menekankan pentingnya kesiapan organisasi akuntansi dan lembaga regulator dalam menghadapi potensi risiko keamanan yang dapat muncul akibat kemajuan pesat dalam teknologi komputasi kuantum.

Jurnal Ekonomi Manajemen Bisnis dan Akuntansi Review•Oct 15, 2025•0 citations
Penelitian ini mengembangkan sistem simulasi dinamis untuk single qubit dan multi qubit menggunakan pendekatan Python, memanfaatkan pustaka komputasi kuantum seperti Qiskit, NumPy, dan Matplotlib. Sistem ini dirancang untuk mensimulasikan berbagai operasi kuantum, termasuk Hadamard, Pauli-X, Pauli-Y, Pauli-Z, CNOT, dan Toffoli, dengan integrasi antarmuka web berbasis Flask untuk memudahkan interaksi pengguna. Hasil simulasi menunjukkan tingkat akurasi tinggi, dengan perbedaan hanya 0,2% pada probabilitas pengukuran untuk operasi single qubit seperti Hadamard dan kurang dari 0,4% untuk operasi multi qubit seperti CNOT dan Toffoli. Pengujian juga menunjukkan waktu eksekusi yang efisien, berkisar antara 12 hingga 25 milidetik, bahkan untuk operasi kuantum yang kompleks. Validasi terhadap literatur yang diakui menunjukkan bahwa sistem ini akurat dan efisien, serta dapat diandalkan untuk mendukung pembelajaran dan penelitian dalam komputasi kuantum.
Komputasi kuantum adalah penggunaan fenomena kuantum untuk melakukan komputasi. Salah satu kegunaan dari komputasi kuantum adalah pemfaktoran perkalian bilangan prima. Algoritma pemfaktoran Shor dapat memfaktorkan bilangan prima dengan kecepatan polinomial, dimana pada komputer klasik hanya dapat mencapai kecepatan super-polinomial. Implementasi dari algoritma ini ditujukan untuk menunjukkan kemampuan komputer kuantum menggunakan simulator dan library Python milik ProjectQ. Evaluasi user time dilakukan dengan membandingkan implementasi algoritma kuantum Shor pada penelitian ini dengan implementasi di Quantum Computing Playground dan ProjectQ menggunakan dua perangkat keras berbeda. Hasil evaluasi menunjukkan peningkatan waktu eksekusi sebesar 19% dari perangkat 1 ke perangkat 2 untuk kasus pemfaktoran perkalian bilangan berukuran 10-bit. Dalam hal penggunaan qubit, penelitian ini juga menunjukkan bahwa penggunaan qubit pada algoritma kuantum Shor dapat dikurangi sebesar 50% untuk membantu mempercepat waktu eksekusi program.
Perkembangan tekonologi komputasi kuantum membawa tantangan besar bagi sistem keamanan informasi konvensional yang selama ini mengandalkan kompleksitas matematis, seperti RSA dan ECC. Munculnya algoritma kuantum seperti Shor’s algorithm berpotensi mengancam eksistensi metode kriptografi klasik. Dalam konteks ini, kriptografi kuantum hadir sebagai solusi inovatif dengan memanfaatkan prinsip-prinsip mekanika kuantum untuk menjamin keamanan data secara teoritis, bahkan terhadap penyerang dengan daya komputasi tak terbatas. Penelitian ini membahas implementasi teknologi Quantum Cryptography, khususnya protokol BB84 yang telah ditingkatkan, sebagai metode distribusi kunci rahasia yang aman pada jaringan komputer. Fokus utama adalah pada keamanan pertukaran kunci Quantum Key Distribution (QKD) serta efisiensi algoritma dalam lingkungan jaringan dengan keterbatasan sumber daya. Selain itu, penelitian ini juga meninjau penerapan kriptografi kuantum dalam berbagai konteks jaringan masa depan, termasuk Wireless Body Sensor Networks (WBSN), jaringan 5G, dan post-quantum networks, serta potensi integrasinya dalam infrastruktur keamanan digital di masa depan. Hasil pengujian Avalanche Effect, Hash Generation Time, dan Hash Verification Time menunjukkan bahwa kriptografi kuantum mampu memberikan performa keamanan yang lebih baik dibandingkan dengan metode kriptografi populer seperti RSA dan AES
Polusi suara merupakan ancaman laten yang dapat memicu kerusakan pendengaran permanen (Noise-Induced Hearing Loss). Perangkat pemantau konvensional seperti Sound Level Meter (SLM) memiliki keterbatasan karena hanya mengukur intensitas desibel total tanpa mampu mengidentifikasi sumber spesifik pembawa bising. Penelitian ini merancang purwarupa sistem pemantau kebisingan lingkungan kerja cerdas berbasis edge computing pada Raspberry Pi 5 menggunakan sensor mikrofon digital INMP441 I2S. Sistem ini dirancang untuk menghitung Tingkat Kebisingan Ekuivalen (Leq dBA) sekaligus mengklasifikasikan 5 jenis sumber kebisingan (air conditioner, drilling, engine idling, jackhammer, dan siren). Metode klasifikasi yang diterapkan adalah Quantum Neural Network (QNN) berbasis Qubit Encoding (Amplitude Encoding) pada sirkuit 6-qubit, dengan membandingkan kinerjanya terhadap Convolutional Neural Network (CNN) klasik. Ekstraksi fitur menggunakan Log-Mel Spectrogram 64x64 piksel. Hasil pengujian menunjukkan bahwa model CNN unggul dengan akurasi 95,91% (waktu latih 790,63 detik), sedangkan QNN mencapai akurasi 65,88% (waktu latih 5918,55 detik). Pengujian kalibrasi perangkat keras menunjukkan tingkat galat pembacaan dBA hanya sebesar 1,11 dBA terhadap SLM referensi. Purwarupa ini berhasil mengintegrasikan prediksi kelas cerdas dengan kalkulasi desibel untuk memicu peringatan keselamatan kerja secara real-time berdasarkan Nilai Ambang Batas Keselamatan dan Kesehatan Kerja (K3) regulasi Permenaker No. 5 Tahun 2018.
Telah dilakukan telaah teoritis dan komputasi mengenai algoritma kuantum variational quantum eigensolver simulasi molekul H2. Algoritma variational quantum eigensolver (VQE) adalah salah satu algoritma yang dapat diterapkan pada komputer kuantum sederhana pada masa kini dan merupakan algoritma yang cukup stabil dan efek dekoherensi. Algoritma VQE disebut sebagai hybrid quantum-classical karena sebagian algoritma dikerjakan pada komputer klasik. Prinsip dasar algoritma VQE adalah prinsip variasi, yaitu pencarian fungsi gelombang yang akan mengakibatkan energi sistem kuantum memiliki energi terendah. Fungsi gelombang dan Hamiltonan pada algoritma VQE disimulasikan dengan menggunakan gerbang-gerbang kuantum. Untuk dapat dioperasikan oleh gerbang kuantum. Hamiltonan dan fungsi gelombang pada penelitian ini menggunakan wakilan kuantisasi kedua. Penelitian ini menggunakan transformasi Jordan-Wigner dan Bravyi-Kitaev dari operator fermionik menjadi operator kubit (qubit) atau gerbang kuantum.Perhitungan atau komputasi energi sistem dilakukan menggunakan komputer kuantum, namun optimasi dilakukan pada komputer klasik menggunakan algoritma optimasi seperti Nelder-Mead, Powell dan BFGS. Penelitian ini akan mendekati fungsi gelombang sistem dengan beberapa basis fungsi dan metode, kemudian dari hasil yang diperoleh akan dilihat pendekatan seperti apa yang paling cocok untuk simulasi molekul H2. Simulasi numerik pada penelitian ini menggunakan paket pemrograman OpenFermion dan layanan komputasi awan kuantum Rigetti Computing.
Komputasi kuantum melakukan perhitungan dengan menggunakan fenomena fisik dan prinsip mekanika kuantum untuk memecahkan masalah. Bentuk komputasi ini secara teoritis telah terbukti memberikan percepatan pada beberapa masalah pemrosesan modern. Perkembangan baru dalam teknologi kuantum mulai bermunculan, dan penerapan model pembelajaran untuk perangkat baru ini terus berkembang. Dengan banyak antisipasi pemanfaatan fenomena kuantum di bidang Machine Learning telah menjadi jelas. Penelitian ini mengembangkan model kerangka kerja perangkat lunak TensorFlow Quantum (TFQ) untuk tujuan machine learning. Kedua model yang dikembangkan memanfaatkan teknik pengkodean informasi dari pengkodean amplitudo untuk penyusunan keadaan dalam model pembelajaran kuantum. Tujuan dari penelitian ini adalah mengeksplorasi kapasitas pengkodean amplitudo untuk menyediakan persiapan keadaan yang diperkaya dalam metode pembelajaran dan analisis mendalam tentang properti data yang memberikan wawasan tentang data pelatihan menggunakan Variational Quantum Classifier (VQC). Munculnya metode baru ini menimbulkan pertanyaan tentang cara terbaik menggunakan alat ini, tujuannya adalah untuk memberikan beberapa penjelasan ikhtisar untuk keadaan machine learning kuantum yang dapat diterapkan mengingat kendala perangkat yang sebenarnya. Hasil penelitian ini menunjukkan ada keuntungan yang jelas untuk menggunakan pengkodean amplitudo dibandingkan metode lain seperti ditunjukkan menggunakan jaringan saraf klasik kuantum hibrid di TFQ. Selain itu, ada beberapa langkah prapemrosesan yang dapat menghasilkan lebih banyak data kaya fitur saat menggunakan VQC, pada dasarnya teorema makan siang tidak gratis berlaku untuk metode pembelajaran kuantum seperti halnya dalam teknik klasik. Informasi meskipun dikodekan dalam bentuk kuantum tidak mengubah langkah-langkah penyiapan data tetapi melibatkan cara-cara baru untuk memahami dan mengapresiasi metode-metode baru ini. Pekerjaan masa depan di bidang ini akan membutuhkan perluasan ke dalam teknik klasifikasi multikelas yang cukup dikembangkan untuk dapat diterapkan dalam pekerjaan seperti ini.
Tujuan penelitian ini adalah untuk menilai dampak komputasi kuantum terhadap perlindungan data akuntansi yang selama ini bergantung pada kriptografi konvensional seperti RSA dan ECC. Penelitian ini menggunakan pendekatan studi literatur yang mencakup jurnal ilmiah, white paper, dan standar internasional yang relevan dengan post-quantum cryptography. Analisis yang dilakukan mengungkapkan bahwa algoritma kuantum, seperti Shor dan Grover, dapat melemahkan kekuatan enkripsi digital yang digunakan dalam sistem akuntansi saat ini, yang berisiko merusak integritas serta kerahasiaan data akuntansi. Sebagai solusi terhadap ancaman tersebut, disarankan untuk menerapkan kriptografi pasca-kuantum berbasis lattice dan hash, serta mengintegrasikan quantum blockchain untuk memastikan perlindungan data dalam jangka panjang. Penelitian ini juga menekankan pentingnya kesiapan organisasi akuntansi dan lembaga regulator dalam menghadapi potensi risiko keamanan yang dapat muncul akibat kemajuan pesat dalam teknologi komputasi kuantum.