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 
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%.
Pengembangan Aplikasi Mobile Deteksi Dini Penyakit dan Hama Pada Tanaman Palawija Endah, Sukmawati Nur; Sarwoko, Eko Adi; Sasongko, Priyo Sidik; Sutikno, Sutikno
Informatika Pertanian Vol 28, No 1 (2019): Juni 2019
Publisher : Sekretariat Badan Penelitian dan Pengembangan Pertanian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21082/ip.v28n1.2019.p49-66

Abstract

Meningkatnya jumlah penduduk di Indonesia berdampak pada kebutuhan pangan, salah satu sumber pangan selain padi adalah tanaman palawija. Tanaman palawija memiliki peranan dalam mewujudkan impian Indonesia menjadi Lumbung Pangan Dunia di tahun 2045. Namun, penyakit dan serangan hama dapat menurunkan kwalitas dan kwantitas hasil produk tanaman palawija. Maka, diperlukannya identifikasi dan penanganan terhadap penyakit hama pada tanaman palawija agar mutu dan kwalitas produk tetap terjaga dan hasil produk melimpah. Penelitian ini mengusulkan pengembangan sebuah aplikasi mobile mengenai deteksi penyakit dan hama palawija berdasarkan gejala yang timbul. Pengujian telah dilakukan baik pengujian fungsionalitas sistem maupun usability testing terhadap aplikasi yang diberi nama Online at Sawat (OAS). Hasil pengujian menunjukkan bahwa OAS telah memenuhi requirement yang dibutuhkan dan mempunyai hasil usability test yang baik. Hasil penelitian ini diharapkan dapat membantu petani palawija khususnya jagung dan kedelai agar hasil panennya terjaga dan pemerintah secara tidak langsung untuk mewujudkan Indonesia sebagai Lumbung Pangan Dunia.
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 %.
Quickpropagation Architecture Optimization Based on Input Pattern for Exchange Rate Prediction from Rupiah to US Dollar Zulkarnaen, Harits Farras; Endah, Sukmawati Nur
Scientific Journal of Informatics Vol 5, No 2 (2018): November 2018
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v5i2.15889

Abstract

Money exchange between countries was done by using exchange rates. One of the examples was the exchange between Rupiah and US Dollar. Exchange rates prediction to US Dollar was an attempt to assist all related economic actors to avoid losses during the process of decision making. The prediction could be done by using artificial neural network method. Quickpropagation was one of artificial neural network models considered suitable for prediction. Quickpropagation network architecture consisted of input layer, hidden layer, and output layer. The input layer of quickpropagation architecture could be determined by using autoregression (AR) for the input pattern. In this research, the authors aim to optimize the quickpropagation network architecture method using Nguyen-Widrow weight initialization to predict the Rupiah exchange rate to US Dollar. The research data were the exchange rate from the BI website from May 2017 to July 2017 with a total of 57 data. The test was performed by using K-Fold Cross Validation with k = 11 values for data without AR and k = 8 for AR data. The results show that quickpropagation method using AR has better performance than quickpropagation method without AR in terms of MSE training and testing. The best parameters are in alpha 0,6 and hidden neuron 5, with MSE training value 0,03272 and MSE testing 0,02873 for selling rate and at alpha 0,9 and hidden neuron 5, with MSE training value 0,03297 and MSE testing 0,02828 for buying rate with maximal epoch 100.000 and target error 0,05.
Color Space to Detect Skin Image: The Procedure and Implication Endah, Sukmawati Nur; Kusumaningrum, Retno; Wibawa, Helmie Arif
Scientific Journal of Informatics Vol 4, No 2 (2017): November 2017
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v4i2.12013

Abstract

Skin detection is one of the processes to detect the presence of pornographic elements in an image. The most suitable feature for skin detection is the color feature. To be able to represent the skin color properly, it is needed to be processed in the appropriate color space. This study examines some color spaces to determine the most appropriate color space in detecting skin color. The color spaces in this case are RGB, HSV, HSL, YIQ, YUV, YCbCr, YPbPr, YDbDr,  CIE XYZ, CIE L*a*b*, CIE  L*u* v*, and CIE L*ch. Based on the test results using 400 image data consisting of 200 skin images and 200 non-skin images, it is obtained that the most appropriate color space to detect the color is CIE L*u*v*.
Suitability analysis of rice varieties using learning vector quantization and remote sensing images Annisa Apriliani; Retno Kusumaningrum; Sukmawati Nur Endah; Yudo Prasetyo
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 17, No 3: June 2019
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v17i3.12234

Abstract

Rice (Oryza Sativa) is the main food for Indonesian people, thus maintaining the stability of rice production in Indonesia becomes an important issue for further study. A strategy to overcome the issue is to apply precision agriculture (PA) using remote sensing images as a reference due to its effectiveness. The initial stage of PA is suitability analysis of rice varieties, including INPARA, INPARI, and INPAGO. While the representative features that can be extracted from remote sensing images and related to agriculture field are NDVI, NDWI, NDSI, and BI. Therefore, the aim of this study is to identify the best model for analyzing the most suitable superior rice varieties using Learning Vector Quantization. The results show that the best LVQ model is obtained at learning rate value of 0.001, epsilon value of 0.1, and the features combination of NDWI and BI values (in standard deviation). The architecture generates accuracy value of 56%.
Solid waste classification using pyramid scene parsing network segmentation and combined features Khadijah Khadijah; Sukmawati Nur Endah; Retno Kusumaningrum; Rismiyati Rismiyati; Priyo Sidik Sasongko; Iffa Zainan Nisa
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 19, No 6: December 2021
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v19i6.18402

Abstract

Solid waste problem become a serious issue for the countries around the world since the amount of generated solid waste increase annually. As an effort to reduce and reuse of solid waste, a classification of solid waste image is needed  to support automatic waste sorting. In the image classification task, image segmentation and feature extraction play important roles. This research applies recent deep leaning-based segmentation, namely pyramid scene parsing network (PSPNet). We also use various combination of image feature extraction (color, texture, and shape) to search for the best combination of features. As a comparison, we also perform experiment without using segmentation to see the effect of PSPNet. Then, support vector machine (SVM) is applied in the end as classification algorithm. Based on the result of experiment, it can be concluded that generally applying segmentation provide better source for feature extraction, especially in color and shape feature, hence increase the accuracy of classifier. It is also observed that the most important feature in this problem is color feature. However, the accuracy of classifier increase if additional features are introduced. The highest accuracy of 76.49% is achieved when PSPNet segmentation is applied and all combination of features are used.
Aplikasi Penentuan Penerima Kredit Usaha Rakyat Menggunakan Model Fuzzy Tsukamoto Hanifah Awliya; Sukmawati Nur Endah
Jurnal SIFO Mikroskil Vol 17, No 2 (2016): JSM Volume 17 Nomor 2 Tahun 2016
Publisher : Fakultas Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (801.48 KB) | DOI: 10.55601/jsm.v17i2.326

Abstract

Analis perbankan memiliki wewenang dalam menentukan nasabah penerima Kredit Usaha Rakyat (KUR). Penentuan dilakukan dengan mengandalkan pemahaman personal analis perbankan. Pemahaman personal yang sewaktu-waktu dapat berubah menyebabkan terjadinya kesalahan dan ketidakkonsistenan dalam pengambilan keputusan. Oleh karena itu perlu dilakukan rancang-bangun pengetahuan untuk membantu analis perbankan mengartikulasikan apa yang mereka ketahui dan mendokumentasikan pengetahuan dalam bentuk yang dapat digunakan kembali. Pengetahuan tersebut dijadikan sebagai dasar dalam pembangunan aplikasi penentuan penerima KUR yang dibangun dengan menggunakan bahasa pemrograman C# dan Sistem Manajemen Basis Data (DBMS) MySQL. Proses penentuan penerima KUR dilakukan dengan menggunakan model fuzzy Tsukamoto. Hasil akhir dari aplikasi ini berupa keputusan diterima atau ditolaknya nasabah sebagai penerima KUR berdasarkan nilai rata-rata terbobot (weighted average). Semakin tinggi nilai rata-rata terbobot maka semakin tinggi kemungkinan nasabah terpilih sebagai penerima KUR. Hasil tersebut menjadi saran yang dapat dipertimbangkan oleh analis perbankan untuk memutuskan nasabah yang layak menerima KUR. Aplikasi ini telah memenuhi kebutuhan sistem dan mampu memberikan hasil yang sesuai dengan keputusan analis perbankan pada kasus yang pernah ditangani sebelumnya. Pengujian sistem terhadap 10 kasus menghasilkan tingkat keakuratan sebesar 90%.
SISTEM INFERENSI FUZZY METODE MAMDANI UNTUK MENENTUKAN JURUSAN DI SMA NEGERI 1 CILACAP Arif Lutfiyanto; Kushartantya Kushartantya; Sukmawati Nur Endah
Journal of Informatics and Technology Vol 2, No 1 (2013): Wisuda Januari 2013
Publisher : Jurusan Ilmu Komputer / Informatika, FMIPA UNDIP, Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (201.459 KB)

Abstract

Penjurusan siswa SMA diharapkan agar siswa memperoleh pengalaman belajar yang sesuai dengan potensi masing-masing. Proses penjurusan siswa ini dibuat oleh pihak yang berkompeten di sekolah. Untuk membantu proses penjurusan di SMA Negeri 1 Cilacap diperlukan sebuah aplikasi penjurusan menggunakan sistem inferensi fuzzy dengan metode mamdani. Dalam sistem inferensi penjurusan terdapat 5 tahap yaitu fuzzifikasi variabel input, operasi operator fuzzy pada anteseden, operasi fungsi implikasi menggunakan metode AND (MIN), agregasi output menggunakan metode MAX, dan defuzzifikasi menggunakan metode centroid. Variabel input yang digunakan adalah nilai IPA, nilai IPS, nilai Bahasa, minat IPA, minat IPS, minat Bahasa, Psikotes Eksak dan Psikotes Non Eksak sedangkan variabel output adalah IPA, IPS atau Bahasa. Dari pengujian dengan mengambil 100 siswa secara acak dari 313 siswa kelas X tahun ajaran 2011/2012 maka hasil perbandingan antara proses penjurusan menggunakan sistem dengan perhitungan manual yang dilakukan oleh guru BK diperoleh keakuratan sistem sebesar 93%.
OPTICAL CHARACTER RECOGNITION MENGGUNAKAN ALGORITMA TEMPLATE MATCHING CORRELATION Suryo Hartanto; Aris Sugiharto; Sukmawati Nur Endah
Journal of Informatics and Technology Volume 1, Nomor 1, Tahun 2012
Publisher : Jurusan Ilmu Komputer / Informatika, FMIPA UNDIP, Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (424.33 KB)

Abstract

OCR (Optical Character Recognition) is an effective solution to the process of converting printed documents into digital documents. The problems that arise in the process of computer letters recognition is how a recognition techniques to identify different types of characters with different sizes and shapes. Recognition method used in this final project is the template matching correlation method. Prior to the recognition process, the input image with a format *.bmp or *.jpg processed first at the preprocessing process, which includes the binerisasi, segmentation, and normalization of images. Average recognition success rate of 92,90% is generated by this system. The final results showed that the use of the template matching correlation method is effective enough to build an OCR system with good accuracy.
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