Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal ComEngApp : Computer Engineering and Applications Journal Jurnal Generic The Indonesian Journal of Computer Science
Buchari, M. Ali
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering Engineering

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

Found 3 Documents
Search

 1 
Implementasi Algoritma K-Means Clustering Berdasarkan Karakteristik Suara untuk Pengelompokan Gender pada Data Audio Waveform -, Isbatudinia -; -, Abdurahman -; -, Sukemi -; Buchari, M. Ali; Latifah, Siti; Hamidah, Wanda; Efendi, Rusdi
Generic Vol 16 No 2 (2024): Vol 16, No 2 (2024)
Publisher : Fakultas Ilmu Komputer, Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18495/generic.v16i2.198

Abstract

Penelitian ini mengimplementasikan algoritma K-Means Clustering untuk mengidentifikasi gender berdasarkan karakteristik suara. Metodologi melibatkan pre-processing data audio, ekstraksi fitur menggunakan Mel-Frequency Cepstral Coefficients (MFCC), dan pengelompokan dengan K-Means. Hasil menunjukkan keberhasilan dalam memisahkan suara menjadi dua cluster: 70.2% suara perempuan dan 29.8% suara laki-laki. Kombinasi MFCC dan K-Means terbukti efektif dalam menangkap perbedaan karakteristik frekuensi antar gender. Metode ini menunjukkan potensi signifikan untuk aplikasi pengenalan suara berbasis gender tanpa memerlukan label awal.
Simulasi Algoritma Apriori dan FP-Growth Dalam Menentukan Rekomendasi Kodefikasi Barang Pada Transaksi Persediaan Sari, Purwita; Kesuma, Lucky Indra; Oklilas, Ahmad Fali; Buchari, M. Ali
The Indonesian Journal of Computer Science Vol. 13 No. 1 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i1.3632

Abstract

Keberhasilan proses pembangunan memerlukan dukungan optimal dalam pertukaran data dan informasi antar instansi guna mencapai integrasi sistem yang seimbang antara pemerintah dan para pengguna. SAKTI, sebuah aplikasi keuangan tingkat instansi, telah dirancang untuk mengelola segala aspek keuangan, mulai dari perencanaan hingga pertanggungjawaban anggaran. Aplikasi SAKTI ini mengintegrasikan semua aplikasi satuan kerja yang ada, bertujuan untuk meningkatkan efektivitas, efisiensi, transparansi, dan akuntabilitas dalam pengelolaan keuangan. Meskipun telah diimplementasikan sejak awal tahun 2022, operator komitmen masih menghadapi kendala dalam penentuan kodefikasi barang, terutama karena kurangnya familiaritas dengan tugas tersebut dan jumlah barang yang banyak sebagai referensi. Kesalahan yang dilakukan oleh operator komitmen dapat berdampak pada proses pendetailan aset pada modul persediaan dan aset. Dalam penelitian ini, peneliti menggunakan metode Algoritma Apriori dan frequent pattern growth (FP-growth) sebagai alat untuk menemukan sejumlah aturan asosiasi dari data transaksi barang yang disimpan dalam basis data aplikasi SAKTI. Hasil simulasi menunjukkan bahwa aturan yang memenuhi minimum support dan minimum confidence, dengan pemilihan terbanyak adalah Ballpoint Standar Tecno, refill tisu plastik, Lak Ban Hitam 2 Inchi Merk Daimaru, dan Ballpoint Kenko K1 (0,5) sebesar 100%.
Implementation of Feature Selection for Optimizing Voice Detection Based on Gender using Random Forest Abdurahman; Vindriani, Marsella; Prasetyo, Aditya Putra Perdana; Sukemi; Buchari, M. Ali; Sembiring, Sarmayanta; Firnando, Ricy; Isnanto, Rahmat Fadli; Exaudi, Kemahyanto; Dudifa, Aldi; Riyuda, Rafki Sahasika
Computer Engineering and Applications Journal (ComEngApp) Vol. 14 No. 2 (2025)
Publisher : Universitas Sriwijaya

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

Abstract

Gender-based voice detection is one of the machine learning applications that has various benefits in technology and services, such as virtual assistants, human-machine interaction systems, and voice data analysis. However, the use of too many features, including irrelevant features, can cause a decrease in accuracy and model performance. This research aims to optimize voice-based gender detection by applying a feature selection method to select significant features based on their correlation value to the target. Experimental results show that by using only the significant features selected through correlation analysis, the accuracy of the model is significantly improved compared to using all available features. This research confirms the importance of feature optimization to support the development of more efficient and accurate gender-based speech detection models.
Co-Authors -, Abdurahman - -, Isbatudinia - -, Sukemi - Abdurahman Aditya Putra Perdana Prasetyo Ahmad Fali Oklilas Dudifa, Aldi Hamidah, Wanda Kemahyanto Exaudi Kesuma, Lucky Indra Purwita Sari, Purwita Rahmat Fadli Isnanto Ricy Firnando Riyuda, Rafki Sahasika Rusdi Efendi Sarmayanta Sembiring Siti Latifah Sukemi Vindriani, Marsella