{
      "divisions": [
        "PJJ"
      ],
      "dir": "disk0\/00\/03\/18\/01",
      "full_text_status": "public",
      "documents": [
          {
            "formatdesc": "THESIS",
            "content": "published",
            "main": "22.55.2329 - Agus Sukarno.pdf",
            "format": "text",
            "rev_number": 2,
            "mime_type": "application\/pdf",
            "eprintid": 31801,
            "pos": 1,
            "docid": 319584,
            "placement": 1,
            "language": "id",
            "files": [
                {
                  "filesize": 5524951,
                  "objectid": 319584,
                  "uri": "http:\/\/eprints.amikom.ac.id\/id\/file\/1131568",
                  "fileid": 1131568,
                  "hash_type": "MD5",
                  "filename": "22.55.2329 - Agus Sukarno.pdf",
                  "datasetid": "document",
                  "hash": "5d3780861223f5864b1df6d4fa196381",
                  "mime_type": "application\/pdf",
                  "mtime": "2026-06-29 07:02:52"
                }
            ],
            "uri": "http:\/\/eprints.amikom.ac.id\/id\/document\/319584",
            "security": "public"
          }
      ],
      "corp_creators": [
        "Universitas AMIKOM Yogyakarta"
      ],
      "contributors": [
        {
          "name": {
            "lineage": null,
            "given": "Kusrini",
            "family": "-",
            "honourific": null
          }
        }
      ],
      "subjects": [
        "000.000.000A"
      ],
      "thesis_name": "tesis",
      "datestamp": "2026-06-29 07:05:32",
      "institution": "Universitas AMIKOM Yogyakarta",
      "status_changed": "2026-06-29 07:05:32",
      "eprintid": 31801,
      "keywords": "Pengawasan Spektrum Frekuensi Radio; CNN; BiLSTM;\r\nTransformer; Data IQ; Pemantauan Real-time, Radio Frequency Spectrum Monitoring.",
      "metadata_visibility": "show",
      "department": "Pascasarjana Magister Informatika",
      "creators": [
        {
          "name": {
            "family": "Sukarno",
            "honourific": null,
            "lineage": null,
            "given": "Agus"
          },
          "nim": "22.55.2329"
        }
      ],
      "uri": "http:\/\/eprints.amikom.ac.id\/id\/eprint\/31801",
      "date": "2025-11-01",
      "date_type": "published",
      "userid": 12,
      "type": "thesis",
      "title": "KLASIFIKASI RADIO SIARAN FM BERDASARKAN DATA\r\nIQ MENGGUNAKAN CONVOLUTIONAL NEURAL",
      "rev_number": 7,
      "lastmod": "2026-06-29 07:05:32",
      "abstract": "Pengawasan spektrum siaran FM secara real-time memerlukan teknik\r\ncanggih; pendekatan berbasis klasifikasi sinyal telah terbukti meningkatkan\r\nketepatan deteksi dibandingkan metode manual. Penelitian ini mengembangkan\r\ndan membandingkan tiga arsitektur deep learning - CNN 5-Layers, CNN-BiLSTM,\r\ndan CNN-Transformer - untuk mengklasifikasikan pengguna siaran radio FM\r\nberdasarkan data IQ. Data sinyal dikumpulkan dari 16 pemancar FM menggunakan\r\nSDR dan diolah menjadi 80.000 sampel seimbang. Model-model ini dievaluasi\r\nberdasarkan akurasi klasifikasi dan waktu inferensi. Hasil eksperimen\r\nmenunjukkan bahwa CNN-BiLSTM memberikan akurasi tertinggi sebesar 98,96%\r\nnamun dengan waktu inferensi relatif lama sekitar 62 detik. Sementara itu, CNN 5Layers\r\nmemiliki\r\nwaktu\r\nklasifikasi\r\ntercepat\r\nsekitar\r\n10\r\ndetik\r\ndengan\r\nakurasi\r\ntinggi\r\n\r\nsebesar\r\n\r\n98,18%, dan CNN-Transformer paling lambat sekitar 120 detik dengan\r\nakurasi sebesar 97,72%. Mengingat waktu klasifikasi per batch harus lebih pendek\r\ndaripada laju pengambilan data sekitar 2 milidetik per sampel, hanya CNN 5-Layers\r\nyang memenuhi persyaratan pemantauan spektrum secara real-time.",
      "eprint_status": "archive",
      "ispublished": "pub",
      "thesis_type": "masters"
    }