Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Informatika Teknologi dan Sains (Jinteks) Journal of Artificial Intelligence and Digital Business
Fajar Permana Putra
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

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

Found 2 Documents
Search

 1 
Deteksi Tingkat Stres Mahasiswa Dengan Logika Fuzzy Tsukamoto Aryanto, Fajar Hanggoro Dwi; Syuhada, Arya Firgi; Putra, Fajar Permana; Mahardika, Setiawan Putra; Jayanegara, Adi Prabu; Sanjaya, Fadil Indra
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1042

Abstract

Stres pada mahasiswa merupakan permasalahan serius yang dapat berdampak negatif terhadap kesehatan mental dan performa akademik apabila tidak ditangani dengan baik. Dampak tersebut tidak hanya terbatas pada penurunan prestasi akademik, tetapi juga dapat mengarah pada gangguan psikologis jangka panjang yang menghambat proses pembelajaran dan perkembangan pribadi mahasiswa. Penelitian ini bertujuan untuk mengembangkan sistem deteksi tingkat stres mahasiswa menggunakan metode logika fuzzy Tsukamoto. Sistem ini dirancang untuk mengelola data subjektif dan tidak pasti berdasarkan lima parameter utama, yaitu kualitas tidur, performa akademik, hubungan mahasiswa-dosen, dukungan sosial, dan kondisi lingkungan. Proses inferensi dilakukan melalui pembentukan himpunan fuzzy dan 48 aturan IF-THEN yang disusun berdasarkan kombinasi kelima parameter tersebut. Penelitian ini melibatkan penyebaran kuesioner kepada mahasiswa Program Studi Informatika Universitas Teknologi Yogyakarta untuk memperoleh data yang kemudian diproses dalam sistem fuzzy. Hasil akhir dari sistem ini berupa nilai crisp yang menunjukkan tingkat stres mahasiswa, yang dikategorikan dalam level normal hingga tinggi. Diharapkan sistem ini dapat menjadi alat bantu bagi institusi pendidikan dalam mendeteksi dan menangani gejala stres mahasiswa secara cepat dan tepat.
PENGENALAN AKSEN SUARA INDONESIA JAWA DAN SUNDA MENGGUNAKAN METODE LONG SHORT-TERM MEMORY Fajar Permana Putra; RR. Hajar Puji Sejati; Sanjaya, Fadil Indra
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 4 (2025): EDISI 26
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i4.6829

Abstract

Teknologi pengenalan suara saat ini masih menghadapi beberapa tantangan dalam mengenali aksen lokal Indonesia. Sedangkan pengenalan suara menjadi bagian penting dari berbagai aplikasi, termasuk asisten virtual, chatbot, dan sistem dengan interaksi berbasis suara lainnya. Penyebabnya adalah keanekaragaman aksen di Indonesia. Model konvensional sering kesulitan dalam mengenali variasi aksen karena hanya dilatih menggunakan bahasa Indonesia standar. Sehingga diperlukan pelatihan model dengan aksen baru untuk meningkatkan akurasi. Penelitian ini bertujuan untuk mengembangkan model pengenalan aksen Indonesia khususnya Jawa dan Sunda menggunakan deep learning, serta mengimplementasikannya ke dalam sistem berbasis web. Model dibangun menggunakan algoritma LSTM, dengan ekstraksi fitur MFCC dan untuk sistem akan dikembangkan dengan menggunakan framework Flask. Pendekatan ini diharapkan dapat meningkatkan akurasi pengenalan aksen di Indonesia serta mendukung pengembangan teknologi suara yang lebih inklusif dan adaptif. Hasil sementara menunjukkan hasil yang positif dalam hal akurasi pengenalan aksen. Pelatihan model LSTM dengan ekstraksi fitur MFCC dapat menghasilkan model dengan ketepatan dalam mengenali pola dan karakteristik dari suara setiap aksen dengan akurasi sebesar 89,66% dengan nilai loss yang tergolong rendah yaitu 0,1980. Selain itu model dapat diimplementasikan dengan baik pada sistem berbasis web yang dikembangkan dan dapat digunakan oleh pengguna dengan mudah dan efisien.
Co-Authors Aryanto, Fajar Hanggoro Dwi Fadil Indra Sanjaya Jayanegara, Adi Prabu Mahardika, Setiawan Putra Rr. Hajar Puji Sejati Syuhada, Arya Firgi