Article Per Year (5 Year)
p-Index From 2021 - 2026
0.925
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) Jurnal Teknologi Informasi dan Ilmu Komputer 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 : 42 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 42 Documents
Search

 1   2   3   4   5 
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN LOKASI KULINER DI SEMARANG DENGAN METODE SIMPLE ADDITIVE WEIGHTING Raina Stefani Budi; Indriyati Indriyati; Sukmawati Nur Endah
Journal of Informatics and Technology Vol 1, No 4 (2012): Wisuda Oktober 2012
Publisher : Jurusan Ilmu Komputer / Informatika, FMIPA UNDIP, Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (377.188 KB)

Abstract

Wisata Kuliner di Kota Semarang mulai berkembang dengan pesat. Berbagai tempat wisata kuliner bermunculan di Semarang. Pertumbuhan lokasi kuliner di Semarang yang begitu cepat membuat masyarakat membutuhkan informasi yang tepat untuk mengunjungi lokasi kulier. Beberapa kriteria dapat menjadi pilihan untuk memilih lokasi kuliner. Kriteria tersebut antara lain, jarak, budget, suasana, dan fasilitas. Dengan adanya sistem pendukung keputusan penentuan lokasi kuliner di Semarang dengan metode simple additive weigting dapat digunakan sebagai solusi untuk menentukan lokasi kuliner sesuai dengan kriteria yang diinginkan. Sistem pendukung keputusan kuliner ini berbasis website dengan menggunakan bahasa pemrograman PHP, dan database management system MySQL. Selain itu, sistem ini terintegrasi dengan peta digital Google Maps API untuk menampilkan letak lokasi kuliner pada peta. Masukan dari sistem ini berupa pilihan kriteria, dan bobot untuk masing – masing kriteria berdasarkan jenis makanan yang diinginkan. Sedangkan hasil dari sistem pendukung keputusan ini adalah memberikan alternatif lokasi kuliner berdasarkan kriteria yang diinginkan, dan peta lokasi kuliner.
SISTEM INFORMASI GEOGRAFIS PARIWISATA JAKARTA SELATAN DENGAN PENCARIAN RUTE TERPENDEK MENGGUNAKAN ALGORITMA A* PADA PGROUTING Hesty Wulandari; Ragil Saputra; Sukmawati Nur Endah
Journal of Informatics and Technology Vol 2, No 2 (2013): Wisuda April 2013
Publisher : Jurusan Ilmu Komputer / Informatika, FMIPA UNDIP, Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (306.972 KB)

Abstract

Jakarta Selatan merupakan salah satu kota yang berada di Propinsi DKI Jakarta. Selain menjadi pusat wilayah perkantoran, Jakarta Selatan juga memiliki potensi sektor pariwisata yang dapat dikembangkan. Agar dapat membantu wisatawan dalam memperoleh informasi tempat wisata, dibutuhkan suatu sistem yang dapat diakses dengan mudah. Sistem Informasi Geografis (SIG) Pariwisata dikembangkan dengan waterfall model, dan dibangun dengan bahasa pemrograman PHP. Penanganan data spasial aplikasi tersebut menggunakan MapServer, dan untuk data atribut menggunakan PostgreSQL dan PostGIS, serta digunakan pgRouting untuk menyelesaikan masalah pencarian jalur terpendek. SIG Pariwisata dapat memberikan informasi secara detail mengenai tempat wisata di Jakarta Selatan serta menentukan jalur terpendek jalan-jalan di Jakarta Selatan. Informasi yang disajikan oleh SIG Pariwisata menggunakan peta digital sehingga mempermudah pengguna dalam memperoleh informasi.
Pembinaan Pola Pikir Komputasi dan Informatika pada Siswa Sekolah Dasar Sukmawati Nur Endah; Eko Adi Sarwoko; Nurdin Bahtiar; Adi Wibowo; Kabul Kurniawan
E-Dimas: Jurnal Pengabdian kepada Masyarakat Vol 11, No 1 (2020): E-DIMAS
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/e-dimas.v11i1.2317

Abstract

Bebras adalah sebuah inisiatif internasional yang tujuannya adalah untuk mempromosikan Computational Thinking (Berpikir dengan landasan Komputasi atau Informatika), di kalangan guru dan murid mulai kelas 3 SD, serta untuk masyarakat luas. Berpikir komputasional (Computational Thinking) adalah metode menyelesaikan persoalan dengan menerapkan teknik ilmu komputer (informatika). Tantangan bebras menyajikan soal-soal yang mendorong siswa untuk berpikir kreatif dan kritis dalam menyelesaikan persoalan dengan menerapkan konsep-konsep berpikir komputasional. Cara untuk mempromosikan computational thinking adalah dengan menyelenggarakan kegiatan kompetisi secara daring (on line), yang disebut sebagai "Tantangan Bebras" (Bebras Challenge). Tantangan Bebras bukan hanya sekedar untuk menang. Selain untuk berlomba, tantangan Bebras juga bertujuan agar siswa belajar Computational Thinking selama maupun setelah lomba. Pengabdian ini berupaya untuk mensosialisasikan dan melakukan pembinaan ke sekolah-sekolah mengenai bebras task sehingga harapannya siswanya mampu bersaing untuk ikut dalam Bebras Challenge Indonesia di tahun mendatang. Kegiatan ini meliputi pre test, pembahasan dan post-test terkait soal-soal Bebras (Bebras Task). Hasil kegiatan menunjukkan bahwa adanya peningkatan rata-rata pemahaman pola pikir komputasi dan informatika pada SD Ummul Quro’ sebesar 13,74% untuk siswa kelas IV dan V serta sebesar 10% untuk siswa kelas III.
PENERAPAN E-COMMERCE UNTUK MENINGKATKAN DAN MEMPERLUAS PEMASARAN DI UMKM (Studi Kasus di UMKM Pengrajin Tahu Putih dan Telur Asin di Kabupaten Klaten) Sutikno .; Satriyo Adhy; Sukmawati Nur Endah
JURNAL EKONOMI MANAJEMEN AKUNTANSI Vol 23, No 40 (2016)
Publisher : LPPM STIE DHARMAPUTRA SEMARANG

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (181.01 KB)

Abstract

Abstrak Salah satu potensi industri yang menjadi basis perekonomian di kabupaten Klaten yaitu industri tahu dan telur asin. Berdasarkan data yang diperoleh dari Badan Pusat Statistik kabupaten Klaten tahun 2012 bahwa terdapat 6 kelompok sentra industri tahu dan belum terdapat kelompok sentra industri telur asin.  Pada sisi lain, jumlah penduduk kabupaten Klaten dari tahun ketahun mengalami peningkatan sehingga akan menambah masalah pengangguran baru jika tidak diimbangi dengan menciptakan industri baru atau mengembangkan industri kecil yang sudah ada. UMKM yang mempunyai potensi untuk berkembang di kabupaten Klaten saat ini  yaitu UMKM tahu putih dan telur asin. Permasalahan dari UMKM ini yaitu pemasaran masih dilakukan secara tradisional dengan menggunakan tenaga manusia sehingga untuk berkembang menjadi besar akan mengalami kesulitan. Untuk mengatasi permasalagan tersebut diperlukan teknologi yang dapat meningkatkan dan memperluas jangkauan pemasaran, sehingga berkembang lebih cepat. Salah satu teknologi yang berkembang sangat pesat sekarang yaitu dengan memanfaatkan e-commerce. E-commerce merupakan tipe perdagangan yang memanfaatkan internet dalam melakukan transaksi. Metode yang digunakan dalam pembuatan e-commerce ini yaitu dengan metode Web Engineering Method (WEM) yang terdiri dari akuisisi, fase orientasi, fase identifikasi, fase perancangan, fase realisasi, dan fase implementasi. Manfaat yang diperoleh dengan di terapkannya e-commerce bagi UMKM ini yaitu dapat melakukan pemasaran dengan jangkauan yang lebih luas tanpa terbatas oleh jarak dan waktu, komunikasi antara pengelola UMKM dan konsumen dapat dilakukan dengan internet sehingga lebih cepat dan murah, dan data-data produksi, konsumen, dan keuntungan terekam secara otomatis. Kata Kunci : UMKM, Web Engineering Methode (WEM), e-commerce
Particle Filter with Binary Gaussian Weighting and Support Vector Machine for Human Pose Interpretation Agustien, Indah; Widyanto, Muhammad Rahmat; Endah, Sukmawati Nur; Basaruddin, Tarzan
Makara Journal of Technology Vol. 14, No. 1
Publisher : UI Scholars Hub

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

Abstract

This paper proposes human pose interpretation using particle filter (PF) with Binary Gaussian Weighting and support vector machine (SVM). In the proposed system, particle filter is used to track a human object, then this human object is skeletonized using thinning algorithm and classified using SVM. The classification is to identify human pose, whether it is normal or abnormal behavior. Here particle filter is modified through weight calculation using Gaussian distribution to reduce the computational time. The modified particle filter consists of four main phases. First, particles are generated to predict target’s location. Second, the weight of certain particles is calculated and these particles are used to build Gaussian distribution. Third, the weight of all particles is calculated based on Gaussian distribution. Fourth, particles are updated based on each weight. The modified particle filter could reduce computational time of object tracking since this method does not have to calculate particle’s weight one by one. To calculate weight, the proposed method builds Gaussian distribution and calculates particle’s weight using this distribution. Through an experiment using video data taken in front of the cashier of a convenience store, the proposed method reduced computational time in tracking process until 68.34% in average compared to the conventional one, meanwhile the accuracy of tracking with this new method is comparable with particle filter method, i.e. 90.3%. Combining particle filter with binary Gaussian weighting and support vector machine is promising for advanced early crime scene investigation.
Garbage Image Classification Using Deep Learning: A Performance Comparison of InceptionResNetV2 vs ResNet50 Rismiyati, Rismiyati; Situmeang, Axelliano Rafael; Khadijah, Khadijah; Endah, Sukmawati Nur
Jurnal Teknik Informatika (Jutif) Vol. 6 No. 4 (2025): JUTIF Volume 6, Number 4, Agustus 2025
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2025.6.4.4770

Abstract

Garbage problem is a worldwide problem. Efforts to address garbage problem have been performed in several aspect, including automatic garbage classification to support automatic garbage sortation in small scale. In the field of garbage classification, deep learning has been widely used because of its ability to learn feature and also to classify with high accuracy.  Several promising architectures in deep learning such as ResNet50 and InceptionNet have been used for this classification task. InceptionResNet is introduced to combine the strength of both architectures. This research aims to classify Garbage Classification data set which consist of 15150 images from 12 classes by using InceptionResNetV2 architecture. In addition, experiment by using ResNet-50 is also performed to provide comparison of its performance. During experiment, Hyperparamater tuning was performed, namely the learning rate, dropout rate, and the number of neuron in the dense layer. The results show that InceptionResNetV2 outperform ResNet50 in all scenarios. This architecture is able to achieve highest accuracy of 97.54%.  Even though the classification time is longer for InceptionResNetV2, this finding is able to prove the outstanding performance of InceptionResNetV2 in garbage classification. This study contributes to the field of garbage classification by introducing robust and better model for better classification.
Klasifikasi Citra Sampah Menggunakan Support Vector Machine dengan Ekstraksi Fitur Gray Level Co-Occurrence Matrix dan Color Moments Nisa, Iffa Zainan; Endah, Sukmawati Nur; Sasongko, Priyo Sidik; Kusumaningrum, Retno; Khadijah, Khadijah; Rismiyati, Rismiyati
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 5: Oktober 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022954868

Abstract

Sampah merupakan salah satu permasalahan global yang dihadapi seluruh dunia termasuk Indonesia. Apabila tidak dikelola dengan baik, jenis dan volume sampah yang semakin meningkat dapat berdampak buruk pada lingkungan dan kesehatan manusia. Pemilahan sampah merupakan langkah awal dalam melakukan berbagai jenis pengolahan sampah. Pemilahan sampah secara manual tidak mudah dilakukan mengingat jumlahnya yang amat besar, sehingga otomatisasi pemilahan sampah diperlukan. Penelitian ini mengusulkan klasifikasi citra sampah menggunakan Support Vector Machine (SVM) dengan ekstraksi fitur Gray Level Co-Occurrence Matrix (GLCM) dan Color Moments serta mengoptimalkan kinerja terbaik dalam proses klasifikasinya. Dataset TrashNet digunakan untuk mengevaluasi metode yang diusulkan. Beberapa parameter penting yang digunakan dalam penelitian ini adalah orientasi sudut GLCM, parameter C (soft margin) pada SVM, dan parameter ???? pada Radial Basis Kernel (RBF). Pembagian data dilakukan menggunakan 10-Fold Cross Validation. Hasil penelitian menunjukkan bahwa kombinasi fitur GLCM dengan orientasi sudut 45° dan Color Moments memberikan rata-rata akurasi terbaik sebesar 78,87% dengan menggunakan parameter C bernilai 32 dan parameter γ bernilai 4. Hasil pengujian terbaik diperoleh pada fold ke-3 dengan akurasi sebesar 85,43% yang digunakan sebagai skenario pengujian data baru. Pengujian terhadap 30 citra sampah baru menggunakan model terbaik memperoleh akurasi sebesar 70%. AbstractWaste is one of the global problems faced by the whole world, including Indonesia. Improper waste management can harm the environment and interfere with health. Waste management involved several steps in handling waste, the first one being waste sorting. In Indonesia, waste sorting is still performed manually. Manual waste sorting is not easy to do because the waste amount is very large. Therefore, automatic waste detection technology is needed to support more optimal waste sorting. This study proposes waste image classification using Support Vector Machine (SVM) with Gray Level Co-Occurrence Matrix (GLCM) and Color Moments as the features. The TrashNet dataset is used to evaluate the proposed method. In addition, 30 additional waste image outside trashnet is used as testing data. Some of the important parameters that are tuned in this study are the angle orientation of the GLCM, C (soft margin) parameter on the SVM, and ???? parameter on the Radial Base Kernel (RBF). Data splitting is done using 10-Fold Cross Validation. The results showed that the combination of GLCM features with 45° angle orientation and Color Moments gave the best average accuracy of 78.87% using C parameter with a value of 32 and γ parameter with a value of 4. The best test results were obtained in the third fold with an accuracy of 85, 43%. This result is used to test the 30 test image outside the TrashNet dataset, and achieve accuracy of 70%.
Sistem Temu-Balik Audio Berbasis Isi Menggunakan Metode Garis Fitur Terdekat (Nearest Feature Line) Fitriana Prasari Dewi; Sukmawati Nur Endah
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) | DOI: 10.14710/jmasif.10.2.31493

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%.
Prediksi Beban Listrik PT. PLN (Persero) Area Semarang Menggunakan Metode Support Vector Regression Andika Putra Pratama; Sukmawati Nur Endah
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 %.
OPTICAL CHARACTER RECOGNITION MENGGUNAKAN ALGORITMA TEMPLATE MATCHING CORRELATION Suryo Hartanto; Aris Sugiharto; Sukmawati Nur Endah
Jurnal Masyarakat Informatika Vol 5, No 9 (2014): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2032.664 KB) | DOI: 10.14710/jmasif.5.9.8435

Abstract

OCR (Optical Character Recognition) adalah suatu solusi yang efektif untuk proses konversi dokumen cetak ke dokumen digital. Permasalahan yang timbul dalam proses pengenalan dokumen komputer adalah bagaimana teknik pengenalan untuk mengidentifikasi berbagai jenis karakter dengan berbagai ukuran dan bentuk. Metode pengenalan yang digunakan dalam tugas akhir ini adalah metode Template Matching Correlation. Sebelum proses pengenalan, citra masukan dengan format * bmp atau jpg * diolah terlebih dahulu di proses preprocessing, yang meliputi binerisasi, segmentasi, dan normalisasi gambar. Rata-rata tingkat keberhasilan pengenalan yang dihasilkan oleh sistem ini adalah 92,90%. Hasil akhir menunjukkan bahwa penggunaan metode Template Matching Correlation cukup untuk membangun sebuah sistem OCR dengan akurasi yang baik efektif.
Co-Authors Adi Wibowo Afry Rachmat Amalia Rachma Yanti Andika Putra Pratama Angga Pradana Saputra Annisa Apriliani Arif Lutfiyanto Aris Sugiharto Beta Noranita Beta Noranita Dinar Mutiara KN eko adi sarwoko Eko Adi Sarwoko Eko Prasetiawan Erlangga Erlangga Fachry Abda El Rahman Fitriana Prasari Dewi Frediansah Frediansah Ganang Surya Atmaja Ganis Khufad Arridho Hanifah Awliya Harjanto, Dhony Syafe’i Helmie Arif Wibawa Helmie Arif Wibawa Iffa Zainan Nisa Indriyati Indriyati Irfan Pradipta Kabul Kurniawan Khadijah Khadijah Khadijah, Khadijah Kushartantya Kushartantya Muhamad, Nida Muhammad Muhammad Muhammad Rahmat Widyanto, Muhammad Rahmat Nisa, Iffa Zainan Nurdin Bahtiar 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 Roby Hanintyo Nursio Sakti Samsul Ma’arif Sanggam Andreas Harahap Satriyo Adhy Satriyo Adhy Siradjuddin, Indah Agustien Situmeang, Axelliano Rafael Suryo Hartanto Sutikno . Sutikno, Sutikno Tarzan Basaruddin, Tarzan Yudo Prasetyo Zulkarnaen, Harits Farras Zulkarnaen, Harits Farras