Article Per Year (5 Year)
p-Index From 2021 - 2026
2.633
P-Index
This Author published in this journals
All Journal Equator Journal of Management and Entrepreneurship Manajemen Sumber Daya Manusia Jurnal Keuangan dan Perbankan The Indonesian Accounting Review JBTI : Jurnal Bisnis : Teori dan Implementasi JIKO (Jurnal Informatika dan Komputer) AKSIOLOGIYA : Jurnal Pengabdian Kepada Masyarakat Indikator: Jurnal Ilmiah Manajemen & Bisnis Jurnal Ilmiah Manajemen Kesatuan Jurnal EMA (Ekonomi Manajemen Akuntansi) Jurnal ABM Mengabdi Journal of Scientech Research and Development Journal of International Conference Proceedings
Agus Sukarno
Pascasarjana Fakultas Kehutanan Universitas Gajahmada
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Social Sciences

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 21 Documents
Search

 1   2   3 
Klasifikasi Radio Siaran FM Berdasarkan Data IQ Menggunakan Convolutional Neural Networks Sukarno, Agus; Setyanto, Arief; Nasiri, Asro
JURNAL INFORMATIKA DAN KOMPUTER Vol 9, No 3 (2025): Oktober 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v9i3.1978

Abstract

Pengawasan spektrum siaran FM secara real-time memerlukan teknik canggih, pendekatan berbasis klasifikasi sinyal telah terbukti meningkatkan ketepatan deteksi dibandingkan metode manual. Penelitian ini mengembangkan dan membandingkan tiga arsitektur deep learning - CNN 5-Layers, CNN-BiLSTM, dan CNN-Transformer - untuk mengklasifikasikan pengguna siaran radio FM berdasarkan data IQ. Data sinyal dikumpulkan dari 16 pemancar FM menggunakan SDR dan diolah menjadi 80.000 sampel seimbang. Model-model ini dievaluasi berdasarkan akurasi klasifikasi dan waktu inferensi. Hasil eksperimen menunjukkan bahwa CNN-BiLSTM memberikan akurasi tertinggi sebesar 98,96% namun dengan waktu inferensi relatif lama sekitar 62 detik. Sementara itu, CNN 5-Layers memiliki waktu klasifikasi tercepat sekitar 10 detik dengan akurasi tinggi sebesar 98,18%, dan CNN-Transformer paling lambat sekitar 120 detik dengan akurasi sebesar 97,72%. Mengingat waktu klasifikasi per batch harus lebih pendek daripada laju pengambilan data sekitar 2 ms per sampel, hanya CNN 5-Layers yang memenuhi persyaratan pemantauan spektrum secara real-time.
Co-Authors Akbar, M. Taufik Ambarwati, Sri Dwi Ari Anisa Zairina Arief Setyanto Dewantra, Nicholas Naufal Eny Purwandari Fadjaritha, Feby Fatmayuni, Ida Ayu Ferdian, Muh. Agus Gunawan Nusanto, Gunawan Hadi Oetomo Haryono, Slamet Trisno Herlianto, Didit Herliato, Didit Hertanto, Adi Hery Sutanto Karimah, Iffa KHOIRUL HIKMAH - Kusuma, Alif Faiq Lestari, Rina Ika Nadeak, Beatrice Sarah Natalia Nasiri, Asro Nursyahbani, Lidya Pantur, Venansius Hugo Prasetyo, Edo Budi Purnama, Sigit Purwanti, Gettik Andri Sri Sulastri Sriyanto, Edi Tri Wahyuningsih Wahyu Istiqomah, Intan Yuli Liestyana