eprintid: 31801
rev_number: 7
eprint_status: archive
userid: 12
dir: disk0/00/03/18/01
datestamp: 2026-06-29 07:05:32
lastmod: 2026-06-29 07:05:32
status_changed: 2026-06-29 07:05:32
type: thesis
metadata_visibility: show
creators_name: Sukarno, Agus
creators_nim: 22.55.2329
contributors_name: -, Kusrini
corp_creators: Universitas AMIKOM Yogyakarta
title: KLASIFIKASI RADIO SIARAN FM BERDASARKAN DATA
IQ MENGGUNAKAN CONVOLUTIONAL NEURAL
ispublished: pub
subjects: 000.000.000A
divisions: PJJ
full_text_status: public
keywords: Pengawasan Spektrum Frekuensi Radio; CNN; BiLSTM;
Transformer; Data IQ; Pemantauan Real-time, Radio Frequency Spectrum Monitoring.
abstract: Pengawasan spektrum siaran FM secara real-time memerlukan teknik
canggih; pendekatan berbasis klasifikasi sinyal telah terbukti meningkatkan
ketepatan deteksi dibandingkan metode manual. Penelitian ini mengembangkan
dan membandingkan tiga arsitektur deep learning - CNN 5-Layers, CNN-BiLSTM,
dan CNN-Transformer - untuk mengklasifikasikan pengguna siaran radio FM
berdasarkan data IQ. Data sinyal dikumpulkan dari 16 pemancar FM menggunakan
SDR dan diolah menjadi 80.000 sampel seimbang. Model-model ini dievaluasi
berdasarkan akurasi klasifikasi dan waktu inferensi. Hasil eksperimen
menunjukkan bahwa CNN-BiLSTM memberikan akurasi tertinggi sebesar 98,96%
namun dengan waktu inferensi relatif lama sekitar 62 detik. Sementara itu, CNN 5Layers
memiliki
waktu
klasifikasi
tercepat
sekitar
10
detik
dengan
akurasi
tinggi

sebesar

98,18%, dan CNN-Transformer paling lambat sekitar 120 detik dengan
akurasi sebesar 97,72%. Mengingat waktu klasifikasi per batch harus lebih pendek
daripada laju pengambilan data sekitar 2 milidetik per sampel, hanya CNN 5-Layers
yang memenuhi persyaratan pemantauan spektrum secara real-time.
date: 2025-11-01
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: Pascasarjana Magister Informatika
thesis_type: masters
thesis_name: tesis
citation:   Sukarno, Agus  (2025) KLASIFIKASI RADIO SIARAN FM BERDASARKAN DATA IQ MENGGUNAKAN CONVOLUTIONAL NEURAL.  S2 - Magister thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/31801/1/22.55.2329%20-%20Agus%20Sukarno.pdf