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 43 Documents
Search

 1   2   3   4   5 
SISTEM INFORMASI VEGETASI MANGROVE (SIVM) BERBASIS WEB DI TAMAN NASIONAL KARIMUNJAWA, JEPARA, JAWA TENGAH Endah, sukmawati Nur; Kusumaningrum, Retno
Jurnal Masyarakat Informatika Vol 1, No 1 (2010): Jurnal Masyarakat Informatika
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (305.313 KB)

Abstract

Mangrove forest at Karimunjawa National Park that has been used for research, education source, and tourism, needs an information system accessible for global community. The information covers the species, morphology, and taxonomy of mangrove vegetations in Karimunjawa National Park. Human need for up to date and accurate information supported with modern technology motivates the researcher to construct mangrove vegetations information system web based. It is hoped that the information can be accessed by interest group. Methods to be used refers to the stage of system development method. Its name is FAST system. SIVM can be used for all social stratum because this output is easy to understand interesting and user friendly.   Keywords: information system web based, mangrove vegetations
Implementasi E-Commerce B2C Bahasa Jawa untuk UMKM Jolali KaoSemarang Adhy, Satriyo; Wirawan, Panji Wisnu; Endah, Sukmawati Nur
Jurnal Masyarakat Informatika Vol 6, No 12 (2015): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (983.537 KB)

Abstract

Jolali KaoSemarang adalah UMKM (Usaha Mikro, Kecil dan Menengah) yang memproduksi kaos dan souvenir dengan desain kreatif. Jolali KaoSemarang memiliki dua lini yaitu produksi pemesanan kaos custom dan lini produksi kaos yang menunjukkan kekhasan kota Semarang. Aplikasi E-Commerce Jolali dikembangkan dengan mengangkat tema Bahasa Jawa sebagai unsur tambah komunikasi antara Jolali dan pelanggan. Aplikasi e-commerce bahasa Jawa dibangun secara iteratif dengan beberapa rilis. Metode tersebut mengadaptasi metode DSDM (Dynamic System Development Method) yang merupakan salah satu metode pengembangan perangkat lunak tangkas.  Aplikasi E-Commerce Jolali yang dihasilkan dapat membantu Jolali KaoSemarang untuk memperluas pemasaran, mempermudah pengolahan produk dan transaksi dan dapat memfasilitasi pemesanan produk dari jarak jauh tanpa harus bertatap muka. Fitur Bahasa Jawa sebagai bahasa komunikasi antara pihak Jolali dan Pelanggan telah diimplementasikan sehingga dapat lebih mempererat hubungan kedua belah pihak.
TRANSITIF KLOSUR DARI GABUNGAN DUA RELASI EKUIVALENSI PADA SUATU HIMPUNAN DENGAN STRUKTUR DATA DINAMIS Endah, Sukmawati Nur
MATEMATIKA Vol 8, No 3 (2005): JURNAL MATEMATIKA
Publisher : MATEMATIKA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (84.694 KB)

Abstract

A relation R on set A is an equivalence relation on A if and only if R is reflexive, symmetric and transitive. If two equivalence relations on set A are  combined, the combination of them is not surely an equivalence relation, because it is not surely transitive relation. In this paper is found the smallest transitive relation (transitive closure) of the combination, to be an equivalence relation. Then the steps to determine transitive closure are programmed in Pascal programming language with dynamic data structure that is multilist.
Sistem Temu Kembali Informasi pada Dokumen Teks Menggunakan Metode Term Frequency Inverse Document Frequency (TF-IDF) Harjanto, Dhony Syafe’i; Endah, Sukmawati Nur; Bahtiar, Nurdin
JURNAL SAINS DAN MATEMATIKA Volume 20 Issue 3 Year 2012
Publisher : JURNAL SAINS DAN MATEMATIKA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (3723.336 KB)

Abstract

Banyaknya informasi yang disimpan dalam dokumen teks mengakibatkan pengguna sistem informasi mengalami kesulitan untuk mendapatkan informasi yang diinginkan, maka diperlukan sebuah mesin pencarian yang dapat menentukan dan menemukan dokumen yang relavan sesuai dengan query pengguna. Penelitian ini menggunakan metode Term Frequency Inverse Document Frequency (TF-IDF) yang didasarkan pada kemunculan term pada tiap dokumen dan pengurangan dominasi term yang sering muncul di berbagai dokumen. Hasil Penelitian ini adalah program simulasi  Sistem Temu Kembali Informasi pada dokumen teks menggunakan Metode Term Frequency Inverse Document Frequency (TF-IDF) yang menghasilkan perhitungan pembobotan Term Frequency Inverse Document Frequency (TF-IDF) dan mendapatkan dokumen relevan yang teranking sesuai tingkat pembobotannya berdasarkan query masukan oleh pengguna.   Keywords: Mesin Pencarian, Query, Term Frequency, TF-IDF
Soybean Disease Detection with Feature Selection Using Stepwise Regression Algorithm: LVQ vs LVQ2 Muhamad, Nida; Endah, Sukmawati Nur; Sarwoko, Eko Adi; Sasongko, Priyo Sidik
Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Vol. 5, No. 2, May 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (518.977 KB) | DOI: 10.22219/kinetik.v5i2.919

Abstract

ndonesia's soybean needs increase from year to year. But according to data from the Badan Pusat Statistik (BPS) the amount of national soybean productivity is still low, so the fulfillment of soybean needs is done by importing soybeans from several countries such as China, Ukraine, Canada, Malaysia, and the United States. Low soybean productivity is caused by several factors. One of the causes is disease. This study aims to create a soybean disease detection by applying Learning Vector Quantization 2 (LVQ2) neural network algorithm(ANN) and Stepwise Regression Algorithm attribute selection. The attribute variables used consisted of 35 symptoms of the disease in soybean crop data. The data used in this study is a soybean dataset taken from University of California Irvine Machine Learning Repository as much as 200 data. The distribution of training data and test data is done by the k-fold cross validation method with a value of k = 10. The result of the study shows that the best paramater use in lVQ2. The results showed that the best parameters in LVQ2 is learning rate (α) value of 0.3; epsilon 0.04; and maximum epoch 100. While the best attribute selection uses the parameter p to enter and p to remove of  0.15 which produces 17 selected attributes such as date, plant stand, precipitation, leaves, leaf spot halo, leaf spot margins, leafspot size, leaf mildew, stem canker, stem fungi, external decay, fruit pods, fruit spots, seeds, mold growth, seed discolor, roots. The best results in this study resulted in an accuracy of 90.5%, 9.5% error rate, 90.5% sensitivity, and 98.94% specificity
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
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