Article Per Year (5 Year)
p-Index From 2020 - 2025
1.343
P-Index
This Author published in this journals
All Journal Jurnal Masyarakat Informatika MATEMATIKA SAINS DAN MATEMATIKA Journal of Informatics and Technology JSM (Jurnal SIFO Mikroskil) TELKOMNIKA (Telecommunication Computing Electronics and Control) Scientific Journal of Informatics E-Dimas: Jurnal Pengabdian kepada Masyarakat Informatika Pertanian Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control JURNAL EKONOMI MANAJEMEN AKUNTANSI Jurnal Teknik Informatika (JUTIF) Makara Journal of Technology
Sukmawati Nur Endah
Faculty Of Mathematics And Natural Science, Diponegoro University, Tembalang-Semarang 50239, Indonesia
Agriculture, Biological Sciences & Forestry Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Energy Engineering Materials Science & Nanotechnology Mathematics Mechanical Engineering Social Sciences

Published : 43 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 17 Documents
Search
Journal : Jurnal Masyarakat Informatika

 1   2 
Sistem Temu-Balik Audio Berbasis Isi Menggunakan Metode Garis Fitur Terdekat (Nearest Feature Line) Dewi, Fitriana Prasari; Endah, Sukmawati Nur
Jurnal Masyarakat Informatika Vol 10, No 2 (2019): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1097.252 KB)

Abstract

Penyebaran data audio menjadi bagian penting ditengah perkembangan aplikasi multimedia dan persebaran informasi yang signifikan saat ini. Penyebaran tersebut perlu diikuti metode komputerisasi yang memungkinkan proses klasifikasi dan temu-balik dilakukan secara mandiri dan efisien dengan dukungan teknik pengenalan isi sebuah audio yang tepat. Namun selama ini informasi mengenai isi audio dideskripsikan secara manual tanpa melalui analisis lebih jauh sehingga rentan dengan kesalahan maupun ketidakrelevanan informasi dengan data audio yang bersangkutan yang menyebabkan proses temu-balik audio menjadi tidak efektif. Hal tersebut menjadi dasar pembangunan sistem temu-balik audio berbasis isi dengan metode Garis Fitur Terdekat (Nearest Feature Line) dengan teknik ekstraksi fitur audio Spectral centroid dan Spectral Flux yang dibangun dengan bahasa pemrograman C# dan Sistem Manajemen Basis Data (SMBD) MySQL. Hasil akhir dari sistem temu-balik audio berbasis isi ini berupa daftar data audio hasil pencarian yang relevan dengan query audio yang dimasukkan oleh user. Sistem temu-balik audio berbasis isi pada penelitian ini telah memenuhi kebutuhan fungsional sistem dan mampu memberikan hasil pencarian audio yang relevan. Penggunaan skenario temu-balik dengan tahap klasifikasi memberikan nilai Mean Average Precision (MAP) sebesar 56% dengan keauratan model klasifikasi sebesar 95%.
Aplikasi Pengiriman Teks via Email yang Aman dengan Menggunakan Algoritma RSA-CRT Ma’arif, Samsul; Endah, Sukmawati Nur
Jurnal Masyarakat Informatika Vol 8, No 2 (2017): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (379.034 KB)

Abstract

Perkembangan teknologi yang sangat pesat membuat manusia semakin mudah dalam melakukan aktifitasnya sehari-hari contohnya pengiriman pesan via email. Namun dengan perkembangan teknologi juga membuat pengiriman pesan menjadi semakin tidak aman. Oleh karena itu dibutuhkan sebuah teknik untuk mengamankan pesan sehingga tidak terjadi perubahan pesan di tengah jalan oleh pihak ketiga, diantaranya dengan menggunakan kriptografi. Salah satu algoritma dalam kriptografi yang dapat berfungsi untuk mengamankan teks adalah algoritma RSA. Dalam perkembangannya proses RSA memiliki masalah saat melakukan proses dekripsinya, yaitu membutuhkan waktu yang relatif lama sehingga ditambahkan algoritma CRT (Chinese Remainder Theorem) untuk mempercepat waktu dekripsi. Pada penelitian ini mengimplementasikan algoritma RSA-CRT pada pengiriman teks via email. Penelitian ini menggunakan model proses waterfall yang diimplementasikan dengan menggunakan bahasa pemrograman MatLab. Berdasarkan hasil penelitian, algoritma RSA-CRT dapat diimplementasikan pada pengiriman sebuah pesan via email. Pada penelitian ini dapat disimpulkan bahwa kecepatan waktu algoritma RSA-CRT lebih cepat dibandingkan dengan algoritma RSA. Semakin besar parameter nilai n berdampak pada waktu proses dekripsinya begitu juga ukuran teksnya semakin besar.
Penerapan Adaptive Neuro-Fuzzy Inference System untuk Prediksi Nilai Tukar Rupiah Harahap, Sanggam Andreas; Endah, Sukmawati Nur
Jurnal Masyarakat Informatika Vol 10, No 1 (2019): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (401.487 KB)

Abstract

Salah satu indikator penting dalam perekonomian suatu negara adalah nilai tukar dari mata uang, dimana majunya suatu negara dapat ditentukan oleh kekuatan nilai mata uang negara tersebut. Nilai tukar yang berdasarkan pada kekuatan pasar akan selalu berubah disetiap kali nilai-nilai salah satu dari dua komponen mata uang berubah. Dengan mampu meramalkan perubahan nilai tukar mata uang tersebut maka dapat ditentukan harga yang tepat untuk menukarkan mata uang para pemilik modal ke dalam bentuk mata uang lain. Proses peramalan/ prediksi dapat dilakukan dengan menggunakan arsitektur jaringan adaptive neuro fuzzy inference system (ANFIS) terhadap data kurs. Data kurs yang digunakan merupakan data kurs nilai jual pada jenis kurs Dolar Amerika, Dolar Singapura dan Euro sebanyak 110 data untuk tiap-tiap jenis kursnya dari periode 1 Agustus 2017 hingga 9 Januari 2018. Hasil pengujian menunjukkan bahwa kombinasi terbaik parameter untuk kurs Dolar Amerika adalah laju pembelajaran sebesar 0,1; maksimal epoch sebesar 10000; jumlah data pelatihan sebanyak 80%; target error sebesar 0,001 dengan perolehan nilai Mean Absolute Percentage Error (MAPE) sebesar 0,41. Hasil pengujian menunjukkan bahwa kombinasi terbaik parameter untuk kurs Dolar Singapura adalah laju pembelajaran sebesar 0,2; maksimal epoch sebesar 10000; jumlah data pelatihan sebanyak 80%; target error sebesar 0,001 dengan perolehan nilai Mean Absolute Percentage Error (MAPE) sebesar 0,12. Hasil pengujian menunjukkan bahwa kombinasi terbaik parameter untuk kurs Euro adalah laju pembelajaran sebesar 0,5; maksimal epoch sebesar 10000; jumlah data pelatihan sebanyak 80%; target error sebesar 0,001 dengan perolehan nilai Mean Absolute Percentage Error (MAPE) sebesar 0,38. Tingkat akurasi untuk prediki kurs Rupiah terhadap Dolar Amerika sebesar 99,58%, terhadap Dolar Singapura sebesar 99,87% dan terhadap Euro sebesar 99,62%.
Aplikasi Pengenalan Aksara Jepang Katakana Menggunakan Jaringan Syaraf Tiruan Learning Vector Quantization (LVQ) Saputra, Angga Pradana; Endah, Sukmawati Nur
Jurnal Masyarakat Informatika Vol 7, No 2 (2016): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (490.773 KB)

Abstract

Aksara Jepang katakana digunakan pada saat menuliskan kata-kata selain bahasa Jepang, misalnya nama orang asing dan kata-kata serapan dari bahasa asing. Bagi orang-orang yang sedang belajar aksara Jepang katakana, terkadang mengalami kesulitan dalam menghafalkannya, sehingga dibuat sebuah aplikasi pengenalan aksara Jepang katakana. Aplikasi ini dikembangkan menggunakan jaringan syaraf tiruan learning vector quantization. Tahapan yang dimiliki oleh aplikasi ini yaitu melakukan pre-processing pada citra aksara, mengekstrak fitur citra menggunakan transformasi wavelet diskrit, menyimpan data vektor citra, melakukan pelatihan data, dan melakukan pengenalan terhadap citra yang dimasukkan. Data pelatihan yang digunakan dalam aplikasi ini sebanyak 360 data tulisan tangan aksara katakana yang berasal dari 8 orang. Selanjutnya data-data ini akan terbagi menjadi 8 subset pada pengujian validitas menggunakan k-fold cross validation untuk mendapatkan nilai akurasi. Nilai akurasi pengenalan aksara terbaik hanya sebesar 47,50% dengan parameter α = 0.08 dan 0.09 dan epoch = 10.
Pengenalan Ucapan Bahasa Indonesia Menggunakan MFCC dan Recurrent Neural Network Tridarma, Panggih; Endah, Sukmawati Nur
Jurnal Masyarakat Informatika Vol 11, No 2 (2020): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

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

Abstract

Pengenalan ucapan (speech recognition) merupakan perkembangan teknologi dalam bidang suara. Pengenalan ucapan memungkinkan suatu perangkat lunak mengenali kata-kata yang diucapkan oleh manusia dan ditampilkan dalam bentuk tulisan. Namun masih terdapat masalah untuk mengenali kata-kata yang diucapkan, seperti karakteristik suara yang berbeda, usia, kesehatan, dan jenis kelamin. Penelitian ini membahas pengenalan ucapan bahasa Indonesia dengan menggunakan Mel-Frequency Cepstral Coefficient (MFCC) sebagai metode ekstraksi ciri dan Recurrent Neural Network (RNN) sebagai metode pengenalannya dengan membandingkan arsitektur Elman RNN dan arsitektur Jordan RNN. Pembagian data latih dan data uji dilakukan dengan menggunakan metode k-fold cross validation dengan nilai k=5. Hasil penelitian menunjukkan bahwa arsitektur Elman RNN pada parameter 900 hidden neuron, target error 0.0005, learning rate 0.01, dan maksimal epoch 10000 dengan koefisien MFCC 20 menghasilkan akurasi terbaik sebesar 72.65%. Sedangkan hasil penelitian untuk arsitektur Jordan RNN pada parameter 500 hidden neuron, target error 0.0005, learning rate 0.01, dan maksimal epoch 10000 dengan koefisien MFCC 12 menghasilkan akurasi terbaik sebesar 73.55%. Sehingga berdasarkan hasil penelitian yang didapat, arsitektur Jordan RNN memiliki kinerja yang lebih baik dibandingkan dengan arsitektur Elman RNN dalam mengenali ucapan Bahasa Indonesia berjenis continuous speech
Pengenalan Emosi dalam Musik Berdasarkan Musical Features Menggunakan Support Vector Regression Widiyanti, Emilia; Endah, Sukmawati Nur
Jurnal Masyarakat Informatika Vol 11, No 2 (2020): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

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

Abstract

Musik dibuat untuk menyampaikan emosi dan seringkali dimanfaatkan dalam berbagai kegiatan sehari-hari. Music Emotion Recognition atau pengenalan emosi dalam musik menjadi salah satu bidang penelitian yang ikut berkembang seiring dengan perkembangan jenis dan pemanfaatan musik. Penelitian ini menyajikan hasil pengenalan emosi pada musik dengan musical features menggunakan Support Vector Regression dengan jenis pelatihan É›-Support Vector Regression dan Ê‹-Support Vector Regression serta kombinasi fitur terbaik yang menghasilkan model terbaik. Data yang digunakan sejumlah 165 data musik yang berbentuk musik soundtrack instrumental. Dari penelitan ini dihasilkan dua model terbaik menggunakan pelatihan Ê‹-SVR. Model yang dihasilkan yaitu model pengenalan angle dengan masukan fitur terbaik adalah fitur Pitch dan Energy, dan model pengenalan distance dengan masukan fitur terbaik Zero Crossing Rate dan Beat. Model dihasilkan dengan nilai parameter pelatihan model untuk cost=27, gamma=2-7 dan nu=2-2 pada model angle dan cost=27, gamma=2-8 dan nu=2-2 pada model distance. Pengenalan dengan kedua model tersebut menghasilkan akurasi sebesar 37,75%.
Prediksi Beban Listrik PT. PLN (Persero) Area Semarang Menggunakan Metode Support Vector Regression Pratama, Andika Putra; Endah, Sukmawati Nur
Jurnal Masyarakat Informatika Vol 12, No 1 (2021): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jmasif.12.1.41017

Abstract

Tren kenaikan konsumsi listrik dan tidak stabilnya beban listrik puncak bulanan membuat PT. PLN (Persero) sebagai penyedia layanan listrik perlu melakukan perencanaan produksi yang matang agar dapat melakukan penjadwalan perawatan sistem tenaga listrik serta penyediaan cadangan bahan bakar untuk menjaga keberlangsungan produksi listrik. Perencanaan produksi listrik untuk keperluan penjadwalan perawatan sistem dan penyediaan cadangan bahan bakar dilakukan dengan melakukan prediksi beban listrik jangka menengah. Penelitian ini menyajikan hasil prediksi beban listrik menggunakan metode Support Vector Regression dengan menggunakan fitur prediktor yang terdiri dari beban listrik, daya tersambung, jumlah pelanggan listrik, dan PDRB-ADHB. Data yang digunakan berasal dari PT. PLN (Persero) Area Semarang sejumlah 75 data (Juni 2011 - Desember 2017) dan data dari BPS Kota Semarang sejumlah 7 data (2010 – 2016). Hasil penelitian menunjukkan nilai error menggunakan MAPE yang diperoleh sebesar 4,03 % untuk nilai parameter terbaik C = 108, ɛ = 106, dan fungsi Kernel Linear, dengan fitur prediktor terbaik adalah daya tersambung dan jumlah pelanggan listrik. Data prediksi bulan Oktober – Desember 2017 didapatkan hasil nilai error MAPE sebesar 3,0384 %.
Co-Authors Adi Wibowo Afry Rachmat Amalia Rachma Yanti, Amalia Rachma Andika Putra Pratama Annisa Apriliani Arif Lutfiyanto Aris Sugiharto Beta Noranita Beta Noranita Beta Noranita Dewi, Fitriana Prasari Dinar Mutiara KN, Dinar Mutiara Eko Adi Sarwoko Eko Prasetiawan Erlangga Erlangga Frediansah Frediansah Ganang Surya Atmaja Ganis Khufad Arridho Hanifah Awliya Harahap, Sanggam Andreas Harjanto, Dhony Syafe’i Helmie Arif Wibawa Hesty Wulandari Iffa Zainan Nisa Indriyati Indriyati Irfan Pradipta Kabul Kurniawan Khadijah Khadijah Khadijah, Khadijah Kushartantya Kushartantya Ma’arif, Samsul Muhamad, Nida Muhammad Muhammad Muhammad Rahmat Widyanto, Muhammad Rahmat Nurdin Bahtiar Panji Wisnu Wirawan Perawaty Panjaitan Priyo Sidik Sasongko Priyo Sidik Sasongko Ragil Saputra Raina Stefani Budi Retno Kusumaningrum RISMIYATI RISMIYATI Rismiyati Rismiyati Rizka Ella Setyani, Rizka Ella Roby Hanintyo Nursio Sakti Saputra, Angga Pradana Satriyo Adhy Siradjuddin, Indah Agustien Situmeang, Axelliano Rafael Suryo Hartanto Sutikno . Sutikno, Sutikno Tarzan Basaruddin, Tarzan Tridarma, Panggih Widiyanti, Emilia Yudo Prasetyo Zulkarnaen, Harits Farras Zulkarnaen, Harits Farras