Claim Missing Document
Check
Articles

Implementation of the LSTM Model for Speech-to-Text Systems in the Recognition of the Walikan Language of Malang: Author's Country: Indonesia Raynanda Raynanda; Aviv Yuniar Rahman; Istiadi Istiadi
Buana Information Technology and Computer Sciences (BIT and CS) Vol. 7 No. 1 (2026): Buana Information Technology and Computer Sciences (BIT and CS)
Publisher : Information System; Universitas Buana Perjuangan Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36805/m0pcpk09

Abstract

This study developed a Speech-to-Text (STT) system based on the Long Short-Term Memory (LSTM) model to recognize and convert speech in the Malang Walikan language into text. The Malang Walikan language has a unique linguistic structure in the form of word reversal, which poses a challenge in speech recognition. The data used consisted of 1,000 sentences collected from social media and direct recordings. The data was processed using Mel Frequency Cepstral Coefficients (MFCC) and then used to train the LSTM model.The system's performance was evaluated using the Word Error Rate (WER), Character Error Rate (CER), and Average Test Loss metrics. The best results obtained showed a WER value of 1.0 on a 699:300 data split, a CER of 0.78 on a 799:200 split, and an Average Test Loss of 11.0147 on a 299:700 split.The high Average Test Loss value indicates the model's difficulty in minimizing prediction errors, which may be caused by the model's mismatch with the data patterns or overfitting. To improve the model's performance, it is recommended to improve the quality of the training data, optimize the parameters, and apply regularization techniques.
PENINGKATAN KEGIATAN TAMAN POSYANDU KELURAHAN MOJOLANGU KOTA MALANG Muhamad Mukhsim; Dedi Usman Effendy; Istiadi Istiadi
Prosidia Widya Saintek Vol. 5 No. 1 (2026)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Taman Posyandu merupakan bentuk layanan terpadu yang mengintegrasikan Pendidikan Anak Usia Dini (PAUD), Pos Pelayanan Terpadu (Posyandu), dan Bina Keluarga Balita (BKB) dalam rangka mendukung tumbuh kembang anak usia dini secara holistik. Permasalahan utama yang dihadapi mitra Taman Posyandu di Kelurahan Mojolangu, Kota Malang meliputi keterbatasan fasilitas pembelajaran dan pelayanan posyandu, serta lemahnya aspek manajemen kelembagaan. Kegiatan Pengabdian Iptek bagi Masyarakat ini bertujuan untuk meningkatkan kualitas layanan Taman Posyandu melalui penguatan fasilitas, manajemen, dan kapasitas sumber daya manusia. Metode pelaksanaan meliputi koordinasi dan diskusi dengan mitra, pengadaan Alat Peraga Edukatif (APE) dan peralatan pendukung posyandu, penyusunan media informasi, serta pelatihan bagi guru dan pengelola Taman Posyandu. Hasil kegiatan menunjukkan bahwa program berhasil meningkatkan ketersediaan fasilitas pembelajaran, memperbaiki tata kelola administrasi dan pembukuan, serta meningkatkan kompetensi guru dan pengelola dalam mengelola kegiatan pembelajaran dan layanan Taman Posyandu. Secara keseluruhan, kegiatan ini memberikan dampak positif terhadap peningkatan mutu layanan Taman Posyandu dan berpotensi untuk dikembangkan serta direplikasi pada wilayah lain.
KLASIFIKASI KEMATANGAN BUAH PINANG PAPUA MENGGUNAKAN M-SVM DAN EKSTRAKSI GLCM Aser Afanti Naa; Istiadi Istiadi; Fitri Marisa
Prosidia Widya Saintek Vol. 5 No. 2 (2026)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pemilahan tingkat kematangan buah pinang Papua secara manual berpotensi menghasilkan penilaian yang tidak konsisten, sehingga diperlukan pendekatan klasifikasi berbasis citra. Penelitian ini bertujuan mengklasifikasikan buah pinang ke dalam kelas mentah, matang, dan tua menggunakan ekstraksi tekstur Gray Level Co-occurrence Matrix (GLCM) dan Multiclass Support Vector Machine (M-SVM). Dataset terdiri atas 90 citra berformat JPG, masing-masing 30 citra per kelas. Tahap praproses meliputi cropping dan resize menjadi 256×256 piksel. Implementasi ekstraksi menghasilkan fitur contrast dan correlation yang digunakan untuk melatih M-SVM dengan kernel linear, polynomial, Gaussian/RBF, dan sigmoid pada sembilan rasio pembagian data. Hasil pengujian yang dilaporkan menunjukkan nilai tertinggi 77,78% pada kernel Gaussian dan linear untuk rasio data latih:data uji 90:10. Berdasarkan matriks konfusi, kedua kernel menghasilkan enam prediksi benar dari sembilan data uji atau akurasi keseluruhan 66,67%. Kernel Gaussian memberikan presisi dan recall makro masing-masing 66,67%, lebih seimbang daripada kernel linear. Hasil ini menunjukkan bahwa kombinasi GLCM dan M-SVM dapat digunakan sebagai dasar klasifikasi otomatis, tetapi peningkatan jumlah data, standardisasi akuisisi citra, dan validasi silang terstratifikasi masih diperlukan untuk meningkatkan generalisasi model.
KLASIFIKASI KEMATANGAN BUAH PINANG PAPUA MENGGUNAKAN M-SVM DAN EKSTRAKSI GLCM Aser Afanti Naa; Istiadi Istiadi; Fitri Marisa
Prosidia Widya Saintek Vol. 5 No. 2 (2026)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pemilahan tingkat kematangan buah pinang Papua secara manual berpotensi menghasilkan penilaian yang tidak konsisten, sehingga diperlukan pendekatan klasifikasi berbasis citra. Penelitian ini bertujuan mengklasifikasikan buah pinang ke dalam kelas mentah, matang, dan tua menggunakan ekstraksi tekstur Gray Level Co-occurrence Matrix (GLCM) dan Multiclass Support Vector Machine (M-SVM). Dataset terdiri atas 90 citra berformat JPG, masing-masing 30 citra per kelas. Tahap praproses meliputi cropping dan resize menjadi 256×256 piksel. Implementasi ekstraksi menghasilkan fitur contrast dan correlation yang digunakan untuk melatih M-SVM dengan kernel linear, polynomial, Gaussian/RBF, dan sigmoid pada sembilan rasio pembagian data. Hasil pengujian yang dilaporkan menunjukkan nilai tertinggi 77,78% pada kernel Gaussian dan linear untuk rasio data latih:data uji 90:10. Berdasarkan matriks konfusi, kedua kernel menghasilkan enam prediksi benar dari sembilan data uji atau akurasi keseluruhan 66,67%. Kernel Gaussian memberikan presisi dan recall makro masing-masing 66,67%, lebih seimbang daripada kernel linear. Hasil ini menunjukkan bahwa kombinasi GLCM dan M-SVM dapat digunakan sebagai dasar klasifikasi otomatis, tetapi peningkatan jumlah data, standardisasi akuisisi citra, dan validasi silang terstratifikasi masih diperlukan untuk meningkatkan generalisasi model.
IMPLEMENTASI FUZZY AHP PADA SISTEM PENDUKUNG KEPUTUSAN KEDISIPLINAN SISWA SMK WIDYAGAMA MALANG Mohammad Yusron Kholish; Istiadi Istiadi; Syahroni Wahyu Iriananda
Prosidia Widya Saintek Vol. 5 No. 2 (2026)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kedisiplinan merupakan aspek penting dalam pendidikan yang memengaruhi kualitas belajar dan karakter siswa. SMK Widyagama Malang saat ini masih menggunakan metode manual yang rentan terhadap subjektivitas dan memakan waktu dalam mengevaluasi kedisiplinan siswa bermasalah. Penelitian ini bertujuan untuk mengimplementasikan metode Fuzzy Analytical Hierarchy Process (F-AHP) ke dalam sebuah Sistem Pendukung Keputusan (SPK) guna memberikan rekomendasi tindakan pendisiplinan yang lebih objektif dan presisi. Penelitian ini menggunakan sampel sebanyak 100 siswa dan 10 guru dengan metode pengumpulan data melalui observasi, wawancara, dan kuesioner. Kriteria utama yang digunakan meliputi kehadiran, keterlambatan, sikap, dan tugas. Pengujian sistem dilakukan menggunakan metode Blackbox Testing yang menunjukkan bahwa 100% fungsi sistem berjalan sesuai perancangan. Selain itu, pengujian akurasi yang membandingkan hasil rekomendasi sistem dengan penilaian manual guru pada 15 data uji menghasilkan tingkat kesesuaian sebesar 86,67%. Hasil ini membuktikan bahwa SPK berbasis F-AHP mampu menangani ketidakpastian dalam penilaian subjektif dan memberikan solusi yang efektif, efisien, serta konsisten untuk mendukung pihak sekolah dalam meningkatkan kedisiplinan siswa.
UJI KOMPARASI METODE NAÏVE BAYES DAN RANDOM FOREST DALAM PREDIKSI PRESTASI BELAJAR SISWA SMA PJ GLOBAL SCHOOL Retno Wilujeng; Fitri Marisa; Istiadi Istiadi
Prosidia Widya Saintek Vol. 5 No. 2 (2026)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja algoritma machine learning dalam memprediksi prestasi belajar siswa sekolah menengah atas. Permasalahan utama dalam penelitian ini adalah belum optimalnya pemanfaatan data akademik untuk mendukung pengambilan keputusan berbasis data di lingkungan sekolah. Metode yang digunakan adalah pendekatan klasifikasi dengan menerapkan algoritma Naïve Bayes dan Random Forest. Data penelitian berupa data primer sebanyak 82 siswa SMA PJ Global School yang mencakup variabel jenis kelamin, jumlah saudara, jarak rumah ke sekolah, nilai rapor setiap semester, serta nilai rata – rata akademik. Tahapan penelitian meliputi pengumpulan data, preprocessing yang terdiri atas pembersihan dan transformasi data, pemodelan klasifikasi, serta evaluasi menggunakan metrik akurasi, presisi, recall, F1-score, dan AUC melalui skema 4-fold cross validation. Hasil penelitian menunjukkan bahwa kedua algoritma mampu melakukan klasifikasi dengan performa yang baik, namun Random Forest menghasilkan tingkat akurasi dan konsistensi yang lebih tinggi dibandingkan Naïve Bayes. Temuan ini menunjukkan bahwa metode ensemble learning lebih efektif dalam memodelkan pola prestasi belajar pada dataset yang digunakan.
Co-Authors - Faqih A.A. Ketut Agung Cahyawan W Abd Wahab , Mohd Helmy Adi Saputra, Deni Affi Nizar Suksmawati Affi Nizar Suksmawati Affi Nizar Suksmawati Agatha Korina Intaningtyas Anggarin Anggarin Agustinus Noertjahyana Ahmad Desma Syahputra Ahmad Farhan, Ahmad Ahmad Muzakky Ahmad, Sharifah Sakinah Syed Akbar, Ismail Akhmad Nurhadi Ali Said Alif Dio Raka Wisnu Alif Dio Raka Wisnu Ana Sopanah, Ana Anderias Bai Seran Andriani , Citra Anik Yuesti Antono, Feni Budi April Lia Hananto Ardiansyah Setiawan Arie Restu Wardhani Arie Restu Wardhani Arief Permana Putra Arief Rizki Fadhillah Arofah , Siti Nur Aser Afanti Naa Ashuri Nurdiansyah Aviv Yunia Rahman Aviv Yuniar Rahman Aviv Yuniar Rahman Aviv Yuniar Rahman Aviv Yuniar Rahman Aviv Yuniar Rahman Biaz Surya Prakasa Body Surya Permana Budiawan, Renaldi Widi Candra Zonyfar Daffa Yauzan Tusianto Dean Ariesta Aziz Dedi Usman Effendy Dedi Usman Effendy Dedy Usman Effendi Devita Sari Diky Siswanto Diky Siswanto Dio Amin Putra Dwi Purnomo Dwi Waluyo Putranto Effendi, Dedy Usman Eka Purna Okta Danawan Elko Prayoga Elyana Estyandhika Emma Budi Sulistiarini Eska Riski Naufal Exelino Bata, Jefreydo Fachrudin Hunaini Faqih Faqih Faqih Rofii Fauzi Ahmad Muda Feni Budi Antono Ferry Irmawan Firdaus Iman Ubaidillah Firman Nurdiansyah Firman Nurdiyansyah Firman Nurdiyansyah, Firman Fitri Marisa Fitri Marisa Fitri Marisa Fitri Marisa Fitri Marisa Fitri Marisa Fitri Marisa Fitri Marisa Fitri Marissa Galih Wicaksana Ghafur, A Hanif Saha Grace Januaria Taolin Dirma Hadian Artanto Handajani, Endah Tri Esti Handoko, Rizki Hermawan Suprayogi Hero Diogenes Adoe Ilham Rumaf Ilhamsyah Ilhamsyah Indra Dharma Wijaya Irfan Indra Kurniawan Irfany Rupiwardani Irsandi Satria Wicaksana jauhar, afif Joko Wahyunarto Kartika Yuli Triastuti khusniyatul latifah Kris Inur Firman Sugiarto Krisdiyanto Kristianingrum Kristianingrum, Kristianingrum Kuncahyo Setyo Nugroho Kuncahyo Setyo Nugroho Larangga Herdianzenda Laurentino Da Costa Liliana De Deus Lutfi Erik Prasetyo Magai, Etinus Maheza Fresmanda, Muhammad Mamba’us Sa’adah Maukar, Anastasia L Mochamad Tri Anjasmoros Mochammad Tirta Yovresa Mohammad Yusron Kholish MOHAMMAD YUSUF Monica Putri Indrayati Monica Putri Indrayati Muhamad Mukhsim Muhammad Agus Sahbana Muhammad Ifan Fanani Muhammad Januar Wicaksono Muhsim, Mohammad Mukhsim, Muhamad Mustakim Mustakim Nada Zuhriyah Napulun, Kanisius Naufal, Eska Riski Niken Paramita Pradana, Muhammad Rangga Adi Prakoso, Anton Bondan Priyandoko Gigih Putra Kurniawan, Rizky Putra, Rangga Pahlevi Putra, Sumartono Ali Putranto, Dwi Waluyo Rahma Fitriani Rangga Pahlevi Rangga Pahlevi Putra Rangga Pahlevi Putra Rayana Jaka Surya Raynanda Raynanda Renaldi Widi Budiawan Retno Wilujeng Ridha, Mohammad Riska Suryanti Putri Riska Suryanti Putri Riska Suryanti Putri Rivaldiknas Gampar, Philipus Rizki Handoko Rudy Joegijantoro, Rudy Sabar Setiawidayat, Sabar Sahar, Nan Mad Sandi probo sarjono Sandi Tyas Wahyu Sarina Sulaiman Silviana Silviana Suksmawati, Affi Nizar Syahroni Wahyu Iriananda Syahroni Wahyu Iriananda, Syahroni Wahyu Tjiptoheriyanto, Prijono Triastuti, Kartika Yuli Ubaidillah, Firdaus Iman Udin, M Diya Verdiansyah, Egi Wahyu Iriananda, Syahroni Wicaksono, Padang Widiya Nur Permata Wisnu, Alif Dio Raka Yeni Prasetio Hadi Yuliana Rachmawati Yuninda Wulan Sari Yuninda Wulan Sari