Article Per Year (5 Year)
p-Index From 2019 - 2024
0.817
P-Index
This Author published in this journals
All Journal JURNAL SISTEM INFORMASI PROSIDING SEMINAR KIMIA
Sukemi Sukemi
Unknown Affiliation
Chemistry Computer Science & IT Decision Sciences, Operations Research & Management Library & Information Science Other

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : JURNAL SISTEM INFORMASI

 1 
Peningkatan Akurasi Prediksi Cnn-Lstm Dan Cnn-Gru Untuk Mendiagnosa Skizofrenia Melalui Sinyal Eeg Gabriel Ekoputra Hartono Cahyadi; Sukemi Sukemi; Dian Palupi Rini
Jurnal Sistem Informasi Vol 14, No 2 (2022)
Publisher : Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36706/jsi.v14i2.19071

Abstract

AbstrakSkizofrenia adalah gangguan jiwa yang umumnya muncul dalam bentuk halusinasi pendengaran, paranoia, atau cara berbicara dan berpikir yang kacau. Diagnosa penderita Skizofrenia dapat dilakukan dengan menggunakan pemeriksaan sinyal EEG. Penelitian ini melakukan analisa perbandingan metode yang terbaik untuk melakukan klasifikasi EEG menggunakan metode Deep Learning (DL). Penulis menggunakan metode 1D Convolutional Neural Network (1D CNN) yang menggunakan layer berbeda. 1D-CNN pertama menggunakan layer Long short-term memory (LSTM) dan 1D-CNN kedua menggunakan layer Gated Recurrent Unit (GRU). Dataset yang digunakan adalah 28 jenis sinyal EEG yang terdiri dari 14 penderita Skizofrenia dan 14 subjek normal. Hasil pengujian akurasi F1 Score dari CNN yang menggunakan layer LSTM memiliki nilai sebesar 95% dan CNN yang menggunakan layer GRU memiliki nilai 96%. Pengujian kedua metode tersebut menunjukkan bahwa nilai dari CNN-GRU lebih besar dari CNN-LSTM.   
Paper Clustering Data Bibliografi menggunakan Algoritma DBSCAN dengan Author Matching Classifier Berbasis Deep Neural Network Ricy Firnando; Siti Nurmaini; Sukemi Sukemi; Firdaus Firdaus; Muhammad Naufal Rachmatullah
Jurnal Sistem Informasi Vol 14, No 2 (2022)
Publisher : Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36706/jsi.v14i2.19089

Abstract

Ambiguitas nama penulis atau author name ambiguity sering kali menjadi masalah yang dapat mempengaruhi kualitas layanan database bibliografi. Untuk mengatasi masalah ambiguitas nama penulis maka diciptakanlah disambiguasi nama penulis atau author name disambiguation. Metode yang digunakan dalam author name disambiguation umumnya menangani masalah ambiguitas nama penulis dengan pendekatan author matching, classification, dan clustering. Beberapa penelitian menggabungkan beberapa pendekatan seperti menggunakan author matching classifier berbasis algoritma random forest untuk pairwise classification dan algoritma DBSCAN sebagai algoritma clustering namun masih belum mendapatkan hasil atau performa yang optimal. Pada penelitian ini dibangun sebuah model author matching classifier berbasis deep neural network yang kemudian diimplementasikan dalam algoritma clustering DBSCAN. Berdasarkan percobaan yang dilakukan menggunakan dataset The Giles, model author matching cassifier berbasis deep neural network yang kami usulkan dapat menghasilkan performa sebesar 95.99% untuk pairwise classification dan 97.23% untuk clustering.
Co-Authors Ade Irfan Aris Madiun Daya Desti Ramadhani Dian Palupi Rini Firdaus Firdaus Firman Wahyudi Gabriel Ekoputra Hartono Cahyadi Harra Ismi Farah Muhammad Naufal Rachmatullah Radoh Rinasih Hermawani Ricy Firnando Sela Defi Alib Pradani Siti Nurmaini