Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal JOIV : International Journal on Informatics Visualization Technomedia Journal PERMANA : Jurnal Perpajakan, Manajemen, dan Akuntansi
Santoso, William
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Sinyal Elektroensefalografi Untuk Deteksi Emosi Saat Mendengar Stimulus Pembacaan Al-Quran Menggunakan Wavelet Transform Hulliyah, Khodijah; Setianingrum, Anif Hanifa; Santoso, William
Technomedia Journal Vol 8 No 2 Special Issues (2023): Special Issue: Sistem Informasi Manajemen Dalam Menunjang Teknolog
Publisher : Pandawan Incorporation, Alphabet Incubator Universitas Raharja

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33050/tmj.v8i2SP.2060

Abstract

Mendengarkan suara membaca Al-Qur'an (Murottal) diketahui sering digunakan untuk membuat suasana terasa santai. Oleh karena itu, dalam penelitian ini, kami menyelidiki sejauh mana stimulasi suara murottal mempengaruhi penampilan gelombang alfa yang terlihat pada gelombang otak menggunakan detektor sinyal Electoencephalography (EEG). Menggunakan Transformasi Wavelet. Gelombang otak yang terdeteksi oleh sinyal EEG kemudian dianalisis untuk setiap fase gelombang pada frekuensi alfa (8-13 Hz) untuk melihat keadaan rileks. Kami merekam data gelombang EEG dalam 4 kondisi, yaitu kondisi tenang, kondisi tegang, dan keduanya dengan stimulus suara murottal. Setiap kondisi dilakukan masing-masing selama 2 menit. Suara murottal diambil secara acak untuk mendapatkan variasi data. Hasil klasifikasi menggunakan Recurrent Neural Network (RNN) menunjukkan bahwa t raining menggunakan n data ormal dengan tombak s mencapai akurasi 52% ~ 59%, Normal dengan m urottal n ormal menghasilkan nilai akurasi 55% ~ 56%, normal dengan tombak m urottal s mendapatkan nilai akurasi terkecil 35% ~ 46%, s Pike dengan m urrottal n ormal mencapai akurasi 57% ~ 67%, pike S dengan pike M urottal smenghasilkan akurasi 51% ~ 60%, M urottal normal dengan pike M urottal S mencapai nilai akurasi tertinggi 78%. Hal ini menunjukkan bahwa terdapat pengaruh yang signifikan dalam mendengarkan Murottal Al-Quran.
Efektivitas User-Generated Content, Inovasi Produk, dan Word of Mouth melalui Minat Pembelian untuk Meningkatkan Keputusan Pembelian di Kafe 2Hos Surya, Putri Julia Alexandra; Santoso, William; C. Efrata, Tommy
Permana : Jurnal Perpajakan, Manajemen, dan Akuntansi Vol. 17 No. 3 (2025): Special Issue
Publisher : Faculty of Economics and Business, University of Pancasakti Tegal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24905/permana.v17i3.770

Abstract

Tujuan daripada penelitian ini guna mengkaji pengaruh UGC, inovasi produk, dan WoM terhadap keputusan pembelian di Kafe 2Hos, dengan minat pembelian sebagai variabel mediasi. Menerapkan pendekatan kuantitatif dengan 150 responden berusia 18–30 tahun yang aktif di media sosial dan pernah melihat konten terkait Kafe 2Hos. Data dianalisis dengan regresi linear berganda dan uji mediasi dengan SPSS Process Macro. Temuan mengungkapkan bahwasanya UGC, inovasi produk, dan WoM berpengaruh signifikan terhadap minat pembelian dan keputusan pembelian. Inovasi produk mempunyai pengaruh paling dominan, diikuti oleh UGC dan WoM. Selain itu, minat pembelian terbukti memediasi hubungan antara variabel bebas dan keputusan pembelian secara signifikan. Temuan ini mendukung Theory of Planned Behavior (Ajzen, 1991), yang menyebutkan bahwasanya minat menjadi prediktor utama terhadap tindakan pembelian. Penelitian ini memberikan kontribusi teoretis dan praktis bagi pelaku industri kafe dalam merancang strategi pemasaran digital berbasis konten interaktif, inovasi berkelanjutan, dan rekomendasi sosial
A Better Performance of GAN Fake Face Image Detection Using Error Level Analysis-CNN Siregar, Maria Ulfah; Nurochman, Nurochman; Setianingrum, Anif Hanifa; Larasati, Dwi; Santoso, William; Stefany, Meisia Dhea
JOIV : International Journal on Informatics Visualization Vol 9, No 2 (2025)
Publisher : Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62527/joiv.9.2.2698

Abstract

The use of face images has been widely established in various fields, including security, finance, education, social security, and others. Meanwhile, modern scientific and technological advances make it easier for individuals to manipulate images, including those of faces. In one of these advancements, the Generative Adversarial Network method creates a fake image similar to the real one. An error-level analysis algorithm and a convolutional neural network are proposed to detect manipulated images generated by generative adversarial networks. There are two scenarios: a stand-alone convolutional neural network and a combination of error-level analysis and a convolutional neural network. Furthermore, the combined scenario has three sub-scenarios regarding the compression levels of the error-level analysis algorithm: 10%, 50%, and 90%. After training the data obtained from a public source, it becomes evident that using a convolutional neural network combined with compression of error level analysis can improve the model’s overall performance: accuracy, precision, recall, and other parameters. Based on the evaluation results, it was found that the highest quality convolutional neural network training was obtained when using 50% error level analysis compression because it could achieve 94% accuracy, 93.3% precision, 94.9% recall, 94.1% F1 Score, 98.7% ROC-AUC Score, and 98.8% AP Score. This research is expected to be a reference for implementing image detection processes between real and fake images from generative adversarial networks.
Co-Authors Anif Hanifa Setianingrum, Anif Hanifa Dwi Larasati, Dwi Khodijah Hulliyah Maria Ulfah Siregar Nurochman Nurochman, Nurochman Stefany, Meisia Dhea Surya, Putri Julia Alexandra Tommy C. Efrata, Tommy