Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal Journal of Informatics, Information System, Software Engineering and Applications (INISTA)
Dwi Astuti
IT Telkom Purwokerto
Computer Science & IT

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

Found 2 Documents
Search

 1 
Aplikasi Identifikasi Suara Hewan Menggunakan Metode Mel-Frequency Cepstral Coefficients (MFCC) Dwi Astuti
Journal of INISTA Vol 1 No 2 (2019): Mei 2019
Publisher : LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/inista.v1i2.50

Abstract

Pengenalan suara berada dibawah bidang komputasi linguistik. Hal ini mencakup identifikasi, pengakuan, dan terjemahan ucapan yang terdeteksi ke dalam teks oleh komputer. Penelitian ini menggunakan handphone dan sistem yang dirancang menggunakan suara. Tujuan utama dari penelitian ini adalah menggunakan teknik pengenalan suara untuk mendeteksi, mengidentifikasi dan menerjemahkan suara binatang. Sistem ini terdiri dari dua tahap yaitu pelatihan dan pengujian. Pelatihan melibatkan pengajaran sistem dengan membangun kamus, model akustik untuk setiap kata yang perlu dikenali oleh sistem (analisis offline). Tahap pengujian menggunakan model akustik untuk mengenali kata-kata terisolasi menggunakan algoritma klasifikasi. Aplikasi penyimpanan audio untuk mengidentifikasi berbagai suara binatang dapat dilakukan dengan lebih akurat dimasa depan.
Penentuan Strategi Promosi Usaha Mikro Kecil Dan Menengah (UMKM) Menggunakan Metode CRISP-DM dengan Algoritma K-Means Clustering Dwi Astuti
Journal of INISTA Vol 1 No 2 (2019): Mei 2019
Publisher : LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/inista.v1i2.71

Abstract

Terjadinya penurunan jumlah UMKM sebesar 0,003% menyebabkan pertumbuhan ekonomi lesu pada kuartal II di Indonesia. Adanya sumber data UMKM yang melimpah disebuah daerah dapat digunakan untuk menggali informasi. Pengelompokan data UMKM yang memanfaatkan proses data mining dengan menggunakan teknik clustering dapat digunakan untuk mengolah data yang ada. Pada prosesnya, metode yang digunakan adalah pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi dan persebaran. Dalam pembentukan cluster, algoritma yang digunakan adalah K-Means. K-means clustering merupakan salah satu algoritma yang dapat mengelompokkan data kedalam beberapa cluster berdasarkan kemiripan data. Sehingga UMKM yang memiliki karakteristik sama akan dimasukkan ke dalam satu cluster dan data dengan karakteristik yang berbeda akan dikelompokkan ke dalam cluster lainnya. Dalam prosesnya, penelitian ini akan menguji data berupa jenis usaha, aset dan omset. Data UMKM akan diolah menggunakan python guna untuk menghasilkan cluster yang akurat. Cluster yang terbentuk dari proses clustering ini ada 3 (tiga) cluster dengan cluster satu sebanyak 182 UMKM, cluster dua terdiri dari 47 UMKM, dan cluster tiga terdiri dari 55 UMKM. Penelitian ini diharapkan mengeluarkan output berupa klusterisasi atau pengelompokkan data yang sesuai untuk dasar pengambilan keputusan dalam penentuan strategi promosi. Sehingga dapat menghasilkan informasi yang akurat bagi UMKM untuk membantu mengembangkan usahanya.
Co-Authors