Article Per Year (5 Year)
p-Index From 2021 - 2026
1.2
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 : 43 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 43 Documents
Search

 1   2   3   4   5 
SISTEM PENJADWALAN UJIAN DOKTOR PADA PASCASARJANA UNIVERSITAS DIPONEGORO Rizka Ella Setyani; 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 (2796.796 KB) | DOI: 10.14710/jmasif.5.9.8443

Abstract

Pascasarjana Universitas Diponegoro terus melakukan pembangunan baik secara fisik maupun dalam segi sistem informasi mengikuti semakin canggihnya teknologi untuk menjawab berbagai tantangan yang ada. Salah satu dari usaha pembangunan dalam segi sistem informasi tersebut adalah dengan pembuatan pengelolaan data yang berhubungan dengan pelaksanaan ujian doktor. Pengelolaan data yang semula dilakukan secara manual sehingga kurang terorganisir kini dapat dilakukan dengan lebih mudah dan efisien. Penelitian ini membahas mengenai Sistem Penjadwalan Ujian Doktor yang dalam pengembangannya menggunakan metode waterfall dan merupakan sistem berbasis web. Sistem ini dibangun menggunakan bahasa pemograman PHP dan basis data MySQL untuk memudahkan kinerja administrator yang bertugas membuat jadwal dan mengelola data mahasiswa yang akan melakukan ujian doktor agar tidak terjadi jadwal yang bertabrakan sehingga dapat lebih terstruktur, dapat menambah  keakuratan  data,  dan  mempercepat  pemrosesan  data  yang  ada. Bagi mahasiswa pascasarjana sistem ini mempermudah dalam mengetahui jadwal ujian, statistik ujian doktor, serta informasi yang berkaitan dengan pelaksanaan ujian doktor karena dapat diakses secara online. Implementasi dari sistem ini dapat disinkronkan dengan sistem yang sudah ada sebelumnya dan dapat berjalan dengan baik.
Aplikasi Deteksi Dini Gangguan Sistem Pernafasan Menggunakan Metode Learning Vector Quantization (LVQ) Berbasis Web Amalia Rachma Yanti; Sukmawati Nur Endah
Jurnal Masyarakat Informatika Vol 7, No 1 (2016): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jmasif.7.1.10134

Abstract

Gangguan sistem pernafasan merupakan gangguan yang menjadi masalah besar di dunia khususnya di Indonesia. Banyaknya jumlah penderita yang ada di Indonesia tiap tahunnya terus bertambah. Salah satu penyebabnya adalah kurangnya kesadaran masyarakat akan gejala yang dialami sehingga menyebabkan keterlambaatan dalam pengobatan dan susah untuk disembuhkan. Melihat kondisi tersebut, perlu adanya cara untuk mendeteksi dini adanya gangguan sistem pernafasan melalui gejala yang dialami, sehingga dari gejala tersebut dapat dilakukan sebuah klasifikasi jenis gangguan sistem pernafasan yang dialami. Learning vector quantization (LVQ) adalah metode dalam jaringan syaraf tiruan (JST) yang paling banyak digunakan untuk proses klasifikasi sehingga sangat cocok untuk kasus tersebut. Penelitian ini menghasilkan aplikasi deteksi dini gangguan sistem pernafasan yang dapat mengklasifikasikan gangguan sistem pernafasan apa yang dialami pengguna dengan input berupa data gejala yang dialami. Data yang digunakan pada penelitian ini sebanyak 80 data, 72 data digunakan untuk pelatihan, dan 8 data untuk pengujian. Pengujian dilakukan dengan menggunakan K-Fold Cross Validation dengan nilai k = 10. Aplikasi ini menggunakan pilihan arsitektur jaringan terbaik berdasarkan hasil pengujian, yaitu dengan inisialisasi bobot awal dari dataset yang diambil secara random, learning rate (α) 0.01, error minimum (eps) 0.01 dan maksimum epoch sebanyak 100 epoch dengan tingkat akurasi sebesar 80%.
Indonesian continuous speech recognition optimization with convolution bidirectional long short-term memory architecture Sukmawati Nur Endah; Rismiyati Rismiyati; Priyo Sidik Sasongko; Anwar Petrus F Noiborhu
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 23, No 3: June 2025
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v23i3.24994

Abstract

Speech recognition can be defined as converting voice signals into text or lines of words by using algorithms implemented in computer programs. There are several types of speech recognition, including recognition for isolated word speech, continuous speech, spontaneous speech, and conversational speech. Research on continuous speech recognition, especially in Indonesian, has been developed using both stochastic methods such as Hidden Markov model (HMM) and deep learning methods. Currently, deep learning approaches are more widely used in speech recognition applications. This research optimizes Indonesian speech recognition by adding convolution layers to the bidirectional long short-term memory (Bi-LSTM) architecture. The goal of this research is to find the best architecture so that better Indonesian continuous speech recognition results can be obtained. The dataset used in this research was created by the intelligent systems research group in the Department of Informatics at Universitas Diponegoro. All speakers who participated in this dataset came from five ethnic groups in Indonesia, representing the dialects of their respective ethnic groups. The research results show that by adding a convolution layer to the Bi-LSTM architecture, speech recognition performance increases significantly with an average word error rate (WER) reduction of 15.56% compared to using only the Bi-LSTM architecture.
Co-Authors Adi Wibowo Afry Rachmat Amalia Rachma Yanti Andika Putra Pratama Angga Pradana Saputra Annisa Apriliani Anwar Petrus F Noiborhu 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