Claim Missing Document
Check
Articles

Found 2 Documents
Search

Decision Support System for Direct Target Cash Recipients Using the AHP and K-Means Method Teguh Sri Pamungkas; Agus Susilo Nugroho; Ichsan Wasiso; Tri Anggoro; Kusrini Kusrini
RESEARCH : Journal of Computer, Information System & Technology Management Vol 3, No 2 (2020)
Publisher : UNIVERSITAS PGRI MADIUN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25273/research.v3i2.7084

Abstract

In the Covid-19 pandemic situation, the government organized a Direct Cash Assistance as known as BLT for the people who were affected by Covid-19. The nominal amount of BLT received by the public is Rp. 600,000 per month. But in fact, the amount of BLT quota is not proportional to the list of BLT recipients submitted by regional officials, in this case, RT (Rukun Tetangga). So, to find out who is really suitable or appropriate, a decision-making system is needed so that the deposit of the BLT from the government can be right on target in accordance with the criteria set by the government. Stages of the study began with clustering of weights. After that, it is entered into the system to do a decision support process with AHP (Analytical Hierarchy Process). The target of this research is the application that can be used to assist the government in distributing BLT to be right on target. Based on the functional testing of the system, the functions in the system have been succeeded according to plan. This system has successfully applied the K-Means and AHP methods for decision making, to receive direct cash assistance from the government. This system has a 100% accuracy rate. Where the most important criteria in this system are income with a weight of 0.394142515, ownership of a house with a weight of 0.231035138, number of dependents with a weight of 0.190359096, age with a weight of 0.081077616, employment with a weight of 0.058111736, and weight with a weight of 0, 045273898
Analisis Spektrum Perintah Suara Berdasarkan Gender Menggunakan Algoritma K-Nearest Neighbours Candra Adipradana; Teguh Sri Pamungkas; Achmad Wazirul Hidayat; Pawit Srentiyono; Kusrini Kusrini
JURNAL TECNOSCIENZA Vol. 4 No. 1 (2019): TECNOSCIENZA
Publisher : JURNAL TECNOSCIENZA

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

Abstract

Perintah suara merupakan salah satu media pengoperasian sistem automation yang banyak diminati. Pengoperasian sistem yang mudah dan tidak membutuhkan banyak tenaga merupakan alasan utama perintah suara cocok digunakan untuk sistem automation. voice recognition dapat digambarkan sebagai suatu proses di mana mesin atau program menerima dan menafsirkan dikte serta memahami dan menjalankan perintah yang diucapkan. Penggunaaan suara adalah suatu cara berkomunikasi yang paling sering dilakukan oleh manusia. Dimana penelitian dibidang pengelolahan suara telah memotivasi banyak orang untuk menciptakan model mekanik untuk meniru kemampuan komunikasi verbal manusia. Tujuan penelitian ini yaitu untuk memperoleh informasi dari hasil spectrum perintah suara manusia, sehingga mampu di terapkan pada sistem automation seperti home automation, smart wheelchair dan peralatan automation lainnya yang mampu memahami bahasa manusia sehingga dapat menjalankan apa yang pengguna perintahkan. Dari hasil penelitian ini menghasilkan untuk kelompok pria dan wanita durasi waktu yang dibutuhkan rata-rata menunjukkan nilai berkisar antara 0,5344 – 0,8217 (pria) dan 0,9001 – 1,1135 seconds (perempuan), artinya bahwa pria lebih membutuhkan sedikit waktu dalam mengeluarkan perintah suara dibandingkan wanita. Nilai Kedekatan dengan standar perintah suara untuk Pria dan wanita hampir memiliki kesamaan yaitu 1,00 hingga 3,00 atau 97 % - 99 %. Artinya tidak terlalu adanya perbedaan yang cukup signifikan ketika pria dan wanita menghasilkan suara yang disesuaikan dengan pedoman perintah suara. Sehingga jika metode ini diterapkan untuk sistem Voice Recognition, metode ini dapat menangkap suara yang diberikan oleh pengguna dengan cukup akurat yaitu diatas 90% akurasi Kata kunci: deteksi suara, pengenalan suara, perintah suara, sistem deteksi suara, audacity