Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JURNAL REKAYASA INFORMASI SWADHARMA (JRIS) Digital Transformation Technology (Digitech)
Febriantoro, F.R. Dwi
Unknown Affiliation
Computer Science & IT Library & Information Science

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

Found 2 Documents
Search

 1 
IMPLEMENTASI METODE PROFILE MATCHING UNTUK MENENTUKAN REKOMENDASI PENERIMA BANTUAN SUMBANGAN PEMBINAAN PENDIDIKAN Hidayat, Wahyu; Febriantoro, F.R. Dwi; Dony, Dony
JRIS : Jurnal Rekayasa Informasi Swadharma Vol 5, No 2 (2025): JURNAL JRIS EDISI JULI 2025
Publisher : Institut Teknologi dan Bisnis (ITB) Swadharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56486/jris.vol5no2.895

Abstract

This research aims to develop a decision support system to identify students who are eligible to waive the cost of academic development donations. The method used is the Profile matching Method. System testing is carried out by information system experts and users using a questionnaire instrument. Based on this test, the system was deemed very feasible by the system expert, with a value of 91%. It was declared very feasible based on user testing, with a value of 85%. The results were then tested using Spearman's Rank correlation, yielding a result of 0.91, indicating that the correlation was robust. Each criterion has a predetermined weight and value. The decision support system for determining students eligible for tuition relief assistance using the profile matching method produces a list of students based on grades that have been calculated and compared to the desired standard value.Penelitian ini bertujuan mengembangkan sistem pendukung keputusan untuk menentukan siswa yang berhak mendapatkan bantuan pembebasan biaya sumbangan pembinaan pendidikan. Metode yang digunakan adalah Metode Profile matching. Pengujian sistem dilakukan kepada ahli sistem informasi dan pengguna dengan menggunakan instrumen kuesioner. Berdasarkan pengujian tersebut sistem dinyatakan sangat layak dari pengujian ahli sistem dengan nilai 91% kemudian dinyatakan sangat layak berdasarkan pengujian pengguna dengan nilai 85% dan sudah dilakukan uji hasil menggunakan Spearman Rank dengan hasil 0,91 maka di interpretasikan korelasi sangat kuat. Setiap kriteria memiliki bobot dan nilai yang sudah ditentukan. Sistem pendukung keputusan untuk menentukan siswa yang berhak mendapatkan bantuan keringanan SPP menggunakan metode profile matching menghasilkan daftar peserta didik berdasarkan nilai yang sudah dihitung dan dibandingkan dengan nilai standar yang diinginkan.
Penerapan Convolutional Neural Network untuk Klasifikasi Jenis Suara Vokal Paduan Suara Berdasarkan Fitur Akustik Harbani, Arif; Febriantoro, F.R. Dwi; Sarjanoko, Joko; Rahmi, Syafira Amatur
Digital Transformation Technology Vol. 6 No. 1 (2026): Periode Maret 2026
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v6i1.7922

Abstract

Paduan suara merupakan entitas seni vokal kompleks yang mengandalkan keselarasan antara kategori vokal (Sopran, Alto, Tenor, Bass) untuk mencapai harmoni optimal. Namun, klasifikasi suara yang dilakukan secara manual oleh pelatih seringkali terhambat oleh subjektivitas perseptual dan inefisiensi waktu. Penelitian ini bertujuan untuk mengimplementasikan pendekatan  Machine Learning  berbasis  Convolutional Neural Network  (CNN) dengan arsitektur MobileNetV2 guna mengotomatisasi klasifikasi vokal secara objektif. Metodologi yang digunakan adalah Research and Development (R&D) dengan ekstraksi fitur akustik Mel-Frequency Cepstral Coefficients (MFCC). Sinyal audio diproses dengan  sampling rate  22.050 Hz dan dikonversi menjadi citra spektrogram 224x224 piksel untuk memenuhi standar input MobileNetV2. Hasil eksperimen pada dataset vokal wanita (51 Sopran, 44 Alto) menunjukkan tingkat akurasi sebesar 78,1%, dengan nilai  Precision  85%,  Recall  64,2%, dan  F1-Score  73,2%. Efisiensi komputasi MobileNetV2 melalui  Inverted Residual Blocks  dan  Linear Bottlenecks (Sandler et al., 2018) memungkinkan inferensi cepat pada  backend  Flask. Evaluasi kebergunaan melalui kuesioner PSSUQ (Lewis, 1995) menghasilkan skor kepuasan keseluruhan sebesar 83,56%, yang menempatkan sistem dalam kategori "Sangat Efektif". Meskipun terdapat tantangan pada nilai  Recall  akibat kemiripan fitur spektral pada zona transisi vokal, sistem ini terbukti mampu mentransformasi paradigma klasifikasi dari berbasis intuisi ( intuition-driven ) menjadi berbasis data (data-driven), yang secara signifikan mereduksi waktu persiapan komposisi paduan suara.
Co-Authors Dony, Dony Harbani, Arif Rahmi, Syafira Amatur Sarjanoko, Joko Wahyu Hidayat