Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informatika dan Komputer Knowbase : International Journal of Knowledge in Database
Dwi Wahyu Prabowo
Universitas Sumatera Utara
Computer Science & IT Electrical & Electronics Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Analisis Pemilihan Bibit Cabai Terunggul Menggunakan Metode VIKOR dan AHP Hidayat, Nur; Nurahman; Rusda, Depi; Prabowo, Dwi Wahyu
Jurnal Teknologi Informatika dan Komputer Vol. 10 No. 2 (2024): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v10i2.2271

Abstract

Hortikultura merupakan salah satu sektor yang berkembang pesat dalam pertanian Indonesia. Jenis tanaman yang dibudidayakan dalam hortikultura meliputi buah-buahan, sayur-sayuran, bunga dan tanaman hias. Salah satu produk dari hortikultura tersebut adalah cabai. Cabai adalah buah dari tanaman yang termasuk dalam genus Capsicum dan famili solanacea. Cabai sering digunakan sebagai bumbu dapur untuk menambah rasa pedas pada makanan. Bagi masyarakat rumahan yang ingin menanam cabai di sekitar perkarangan rumah, memilih bibit cabai yang unggul merupakan langkah yang sangat penting guna menghasilkan hasil yang optimal. Untuk membantu masyarakat dalam memilih bibit cabai yang unggul dilakukan penelitian berdasarkan kriteria-kriteria yang telah ditentukan sebelumnya. Penlitian  ini menggunakan SPK metode VIKOR dan AHP  dalam membantu masyarakat memilih bibit cabai terunggul. Dipilihnya metode VIKOR karena metode berfokus pada peringkat dan pemilihan dari sekumpulan alternatif kriteria yang saling bertentangan untuk mengambil keputusan guna mencapai tujujan akhir. Sementara itu penggunaan metode AHP dipilih karena AHP merupakan teori umum tentang pengukuran yang digunakan untuk menghasilkan skala rasio dari perbandingan berpasangan berbendtuk diskrit maupun kontinu dalam struktur hierarki tingkat berganda, yang memberikan manfaat dalam pengambilan keputusan untuk memelih alternatif terbaik dari kriteria tertentu. Kemudian dari kedua metode tersebut dilakukan analisis performa untuk menentukan metode mana yang paling optimal. Hasil dari analisis performa menunjukkan bahwa metode AHP menjadi metode yang paling optimal dengan nilai performa 35,95%  sehingga, hasil dari perhitungan metode AHP dapat menjadi rekomendasi bagi masyarakat dalam melakukan pemilihan bibit cabai terunggul.  
Human Emotion Classification Based on EEG Using FFT Band Power and LSTM Classifier Prabowo, Dwi Wahyu
Knowbase : International Journal of Knowledge in Database Vol. 5 No. 2 (2025): December 2025
Publisher : Universitas Islam Negeri Sjech M. Djamil Djambek Bukittinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30983/knowbase.v5i2.10145

Abstract

This study investigates human emotion recognition using electroencephalogram (EEG) signals, focusing on the Shanghai Jiao Tong University Emotion EEG Dataset (SEED), which consists of recordings from 62 EEG channels categorized into three emotion classes: positive, neutral, and negative. The main challenges in EEG-based emotion classification include the limited amount of available data and the nonlinear, non-stationary nature of EEG signals. To address these challenges, this study evaluates the effectiveness of the Fast Fourier Transform (FFT) band power as input features and employs a stacked Long Short-Term Memory (LSTM) network as the classifier. Model validation was conducted using stratified 10-fold cross-validation, and performance was assessed using accuracy, F1-score, and Cohen’s kappa metrics. Experimental results show that the proposed method achieved an average accuracy of 89.87%, an F1-score of 90.10%, and a Cohen’s kappa value of 0.848, with minimal variation across folds, demonstrating high model stability. Unlike many recent studies that rely on image-based representations or Generative Adversarial Networks (GAN)-driven data augmentation, this study demonstrates that FFT band power combined with a sequential LSTM classifier can achieve strong performance without synthetic data generation or complex feature transformations. These findings indicate that the combination of FFT band power features and the LSTM classifier can serve as a solid baseline for further research.
Co-Authors Depi Rusda Nur Hidayat Nurahman