Article Per Year (5 Year)
p-Index From 2021 - 2026
10.139
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Jurnal Simantec Prosiding SNATIKA Vol 01 (2011) Jurnal Teknologi Informasi dan Ilmu Komputer Creative Information Technology Journal CogITo Smart Journal Jurnal Sains dan Informatika Antivirus : Jurnal Ilmiah Teknik Informatika Generation Journal Jurnal Teknologi dan Riset Terapan (JATRA) Joutica : Journal of Informatic Unisla Jurnal Inkofar JURNAL INOVASI DAN PENGABDIAN MASYARAKAT INDONESIA Nusantara of Engineering (NOE) Jurnal Maklumatika JSITIK: Jurnal Sistem Informasi dan Teknologi Informasi Komputer Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Jurnal INFOTEL Jurnal Pengabdian Masyarakat Nusantara
Intan Nur Farida
Universitas Nusantara PGRI Kediri
Aerospace Engineering Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Medicine & Pharmacology Public Health Social Sciences Transportation

Published : 112 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 112 Documents
Search

 8   9   10   11   12 
Pengolahan Citra Kematangan Pisang Menggunakan Convolutional Neural Network VGG19 Gilang Dwi Cahyo; Risa Helilintar; Intan Nur Farida
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 2 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/d079q671

Abstract

Klasifikasi tingkat kematangan buah pisang secara manual masih umum dilakukan, yang sering kali menyebabkan ketidakkonsistenan serta memerlukan waktu dan tenaga yang besar. Untuk mengatasi permasalahan ini, penelitian ini mengusulkan penggunaan metode Convolutional Neural Network (CNN) dengan arsitektur VGG19 yang dikenal mampu mengekstraksi fitur visual secara mendalam. Dataset yang digunakan terdiri dari 5.616 gambar pisang yang diklasifikasikan ke dalam empat kategori: mentah, matang, terlalu matang, dan busuk. Teknik augmentasi data dan pendekatan transfer learning diterapkan untuk meningkatkan performa model. Hasil pelatihan menunjukkan akurasi validasi sebesar 98% dan nilai loss kurang dari 0,07 setelah 25 epoch. Model menunjukkan kemampuan generalisasi yang baik tanpa tanda-tanda overfitting. Temuan ini mengindikasikan bahwa pendekatan CNN VGG19 efektif untuk pengembangan sistem klasifikasi kematangan pisang secara otomatis
Penerapan Chatbot Berbasis Natural Language Processing untuk Layanan Informasi PPDB di SMK PGRI 1 Kediri Al Farizi, Mochammad; Intan Nur Farida; Daniel Swanjaya
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 2 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/c4x80271

Abstract

Pelayanan informasi Penerimaan Peserta Didik Baru (PPDB) merupakan aspek penting dalam mendukung proses pendaftaran siswa baru di tingkat sekolah menengah. Di SMK PGRI 1 Kediri, pelayanan informasi PPDB sebelumnya masih mengandalkan tenaga manusia, yang memiliki keterbatasan dalam hal waktu dan kapasitas, terutama saat jumlah pertanyaan meningkat secara signifikan. Untuk mengatasi permasalahan tersebut, penelitian ini telah berhasil mengembangkan sebuah chatbot berbasis Natural Language Processing (NLP) yang diintegrasikan dengan metode Levenshtein Distance sebagai solusi otomatisasi layanan informasi. Chatbot yang dikembangkan mampu memahami pertanyaan pengguna dalam bahasa alami dan mencocokkannya dengan data yang tersedia secara cerdas, meskipun terdapat kesalahan ketik atau variasi kata. Berdasarkan hasil pengujian, sistem ini terbukti dapat meningkatkan efisiensi pelayanan, mempercepat respons, serta memberikan informasi yang akurat kepada calon peserta didik dan orang tua. Tingkat keberhasilan chatbot dalam mencocokkan input pengguna terhadap data relevan mencapai lebih dari 80%, sehingga menunjukkan bahwa sistem ini efektif dan layak diterapkan sebagai sarana layanan informasi PPDB yang modern dan responsif.
Akurasi Bacaan Surat An Naba Katagori Anak-Anak Menggunakan Metode MFCC dan CNN Thobroni, Nur Ahmadi; Risa Helilintar; Intan Nur Farida
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 2 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/a57m5v40

Abstract

Abstrak—Penelitian ini bertujuan untuk membangun sistem klasifikasi bacaan surat An-Naba kategori anak-anak secara otomatis menggunakan kombinasi metode Mel-Frequency Cepstral Coefficients  (MFCC) dan Convolutional Neural Network (CNN). Sistem dirancang untuk mendeteksi apakah pelafalan ayat dilakukan dengan benar atau salah berdasarkan ciri fonetik suara. Proses dimulai dengan perekaman suara di lingkungan madrasah, dilanjutkan dengan segmentasi dan augmentasi data menjadi 1.200 potongan audio. Data tersebut diubah menjadi representasi MFCC lalu diproses oleh model CNN yang telah dirancang dan dilatih. Output dari program ini berupa klasifikasi biner untuk setiap ayat yang menunjukkan benar atau salahnya pelafalan. Hasil pengujian menunjukkan akurasi pelatihan sebesar 99,75% dan akurasi validasi sebesar 78,75%. Sistem ini dapat memberikan evaluasi bacaan secara objektif dan cepat, serta berpotensi meningkatkan kualitas pembelajaran Al-Qur’an bagi anak-anak.
Penerapan Pose Estimation dan LSTM dalam Analisis Gerakan Gym untuk Optimalisasi Teknik Latihan Attar, Alfan Faradudin; Nur Farida, Intan; Swanjaya, Daniel
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 2 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/g6s2hh11

Abstract

Kurangnya pemahaman terhadap teknik latihan yang benar saat berolahraga di gym dapat menyebabkan cedera dan mengurangi efektivitas latihan. Penelitian ini bertujuan mengembangkan sistem analisis gerakan menggunakan teknologi pose estimation dan metode LSTM untuk mendeteksi gerakan yang benar dan salah secara otomatis. Data diperoleh dari video gerakan Dumbbell Bicep Curl dan Shoulder Press yang dilakukan oleh personal trainer, kemudian diekstraksi menggunakan MediaPipe dan dianotasi untuk menghasilkan dataset berlabel. Model LSTM dilatih menggunakan data tersebut dan diintegrasikan ke dalam sistem berbasis website. Sistem ini mampu menghitung jumlah repetisi benar dan salah secara real-time. Hasil pengujian menunjukkan bahwa model mencapai akurasi 100% dalam mengklasifikasikan gerakan Shoulder Press dan 96,3% untuk gerakan Bicep Curl, dengan hasil yang konsisten dan dapat diandalkan. Penelitian ini menunjukkan potensi teknologi sebagai alat bantu latihan mandiri yang efektif di bidang kebugaran.
Aplikasi Deteksi Tumor Otak Citra MRI Menggunakan Model VGG16 Permana Putra, Satya Dwi; Farida, Intan Nur; Dusea Widyadara, Made Ayu
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 2 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/gxn7p082

Abstract

Tumor otak adalah salah satu penyakit yang sangat serius dan membutuhkan diagnosis serta penanganan yang cepat dan akurat. Citra Magnetic Resonance (MRI) sering digunakan sebagai alat utama untuk mendeteksi tumor otak karena kemampuannya dalam memvisualisasikan jaringan lunak dengan baik. Dalam penelitian ini, penulis menerapkan teknik thresholding dan deteksi tepi sebagai tahap pre-processing citra MRI untuk meningkatkan akurasi model VGG16 dalam mengidentifikasi empat jenis tumor otak yaitu, glioma, meningioma, pituitary, dan normal.                 Proses pre-processing citra MRI meliputi resizing dan normalisasi serta penerapan thresholding dan deteksi tepi. Hasil pre-processing kemudian digunakan sebagai input untuk model VGG16 yang sebelumnya telah dilatih. Evaluasi model dilakukan dengan menggunakan metrik klasifikasi akurasi, presisi, recall, dan f1-score. Hasil penelitian menunjukkan bahwa penerapan thresholding dan deteksi tepi dalam pre-processing citra MRI dapat meningkatkan akurasi model VGG16 dalam mengidentifikasi tumor otak dari 87% menjadi 90% ke atas. Peningkatan akurasi ini disebabkan oleh kemampuan teknik pre-processing dalam memperjelas batas-batas struktur anatomi pada citra MRI, sehingga fitur yang relevan dapat lebih efektif diidentifikasi oleh model deep learning. 
Implementasi Metode PROMETHEE II dalam Sistem Pendukung Keputusan Seleksi Smart Class Petrus Bitin; Intan Nur Farida; Daniel Swanjaya
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 2 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/j0pvw831

Abstract

Abstrak—SMA Muhammadiyah Kota Kediri memiliki kelas unggulan bernama Smart Class yang menampung siswa-siswa berprestasi. Seleksi siswa selama ini masih dilakukan secara manual menggunakan Microsoft Excel, sehingga tidak efisien dan rawan kesalahan. Penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan menggunakan metode PROMETHEE II dalam menyeleksi siswa berdasarkan nilai Tes Potensi Akademik, Tes Psikologi, dan Literasi Numerasi. Sistem dibangun menggunakan bahasa pemrograman PHP dengan basis data MySQL. Hasil pengujian menunjukkan bahwa sistem mampu memberikan hasil pemeringkatan siswa secara cepat dan akurat, sehingga mendukung proses seleksi yang objektif dan efisien.
Penentuan Gizi Balita Kelurahan Bangsal Dengan Fuzzy Mamdani Berbasis Website Yan Arie Strada Tuhehay; Intan Nur Farida; Made Ayu Dusea Widyadara
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 2 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/n24nan53

Abstract

Masalah status gizi balita menjadi perhatian penting di Kelurahan Bangsal karena berkaitan langsung dengan pertumbuhan dan perkembangan anak. Kurangnya pemantauan gizi secara berkala menyebabkan keterlambatan dalam penanganan kasus gizi buruk dan stunting. Penelitian ini bertujuan untuk membangun sistem berbasis website yang dapat membantu menentukan status gizi balita menggunakan metode Fuzzy Mamdani. Parameter yang digunakan meliputi umur, berat badan, tinggi badan, dan lingkar lengan atas. Data diolah menggunakan logika fuzzy untuk menghasilkan kategori status gizi seperti kurang, normal, atau lebih. Hasil pengujian menunjukkan bahwa sistem dapat memberikan hasil yang konsisten dengan penilaian manual tenaga kesehatan. Kesimpulannya, sistem ini dapat menjadi alat bantu dalam pemantauan gizi balita secara cepat dan akurat serta berpotensi diterapkan di posyandu atau layanan kesehatan lainnya
Pengembangan Sistem Object Detection Kualitas Daging Ayam Berbasis YOLOv8 Prasetya, Bagus Dwi; Niswatin, Ratih Kumalasari; Farida, Intan Nur
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 1 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/8rqxav67

Abstract

Menjaga kualitas daging ayam sangat penting untuk keamanan pangan dan kesehatan konsumen. Metode inspeksi tradisional seringkali subjektif dan tidak efisien. Studi ini mengusulkan sistem deteksi kualitas daging ayam otomatis yang memanfaatkan algoritma deteksi objek YOLOv8 yang terintegrasi ke dalam aplikasi web berbasis Flask. Dataset terdiri dari tiga kategori yaitu ayam segar, ayam tiren, dan none. Model dilatih menggunakan Google Colaboratory dan dievaluasi melalui metrik presisi, recall, dan mean Average Precision (mAP). Model YOLOv8 menunjukkan kinerja tinggi, dengan presisi 0,975, recall 0,92, mean Average Precision (mAP@0.5) 0,972, dan mean Precision (mAP@0.5:0.95) 0,84. Sistem yang dikembangkan terbukti mampu mendeteksi kualitas daging ayam secara akurat dan efisien. Inovasi ini diharapkan dapat meningkatkan keamanan pangan serta membantu konsumen dan pelaku industri dalam memastikan mutu produk secara lebih objektif dan praktis.  
Penerapan Algoritma K-Means untuk Pengelompokan Minat dan Prestasi Siswa SMK PGRI 1 Kediri Rosadi, Asyadam abriel; Risa Helilintar; Intan Nur Farida
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 2 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/aspqv204

Abstract

Perkembangan teknologi informasi menuntut SMK  PGRI 1 Kediri menghasilkan lulusan yang kompeten dan berminat tinggi di bidang Teknik Informatika. Namun, tidak semua siswa menunjukkan performa dan minat yang sama. Penelitian ini bertujuan mengelompokkan siswa kelas XI jurusan TKJ berdasarkan nilai praktik dan minat karir menggunakan metode K-Means Clustering. Data dianalisis melalui normalisasi dan Elbow Method, yang menunjukkan jumlah cluster optimal adalah dua yaitu siswa berprestasi dan siswa yang memerlukan pendampingan. Penelitian  ini menunjukkan bahwa K-Means efektif dalam segmentasi siswa untuk mendukung strategi pembelajaran dan perencanaan karir yang lebih tepat sasaran.
Deteksi Otomatis Penyakit Kuku Menggunakan Deep Learning Berbasis CNN ALFIANA HIDAYATI; Intan Nur Farida; Daniel Swanjaya
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 2 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/9cadwf02

Abstract

Penelitian ini bertujuan mengembangkan model klasifikasi citra kuku untuk mendeteksi kondisi sehat, Koilonychia, dan Onychomycosis menggunakan arsitektur Convolutional Neural Network (CNN) VGG-16. Dataset citra kuku dipra-proses dengan augmentasi khusus (spoon_augmentation) untuk menonjolkan fitur cekungan Koilonychia. Model VGG-16, dengan Fine-Tuning pada blok 5, dilatih pada 1588 citra pelatihan dan dievaluasi pada 286 citra pengujian. Hasil evaluasi menunjukkan akurasi 90.56%, dengan precision 81.36% untuk Koilonychia, 97.47% untuk kuku sehat, dan 90.54% untuk Onychomycosis. Sistem ini terbukti andal dalam mendeteksi kelainan kuku, berpotensi mendukung dermatolog dalam diagnosis cepat dan akurat. Pendekatan ini menunjukkan efektivitas Fine-Tuning VGG-16 pada dataset terbatas, menjadikannya solusi potensial untuk aplikasi diagnosis berbasis citra medis.
Co-Authors Abidarin Rosidi Abidin, Muhamad Haqi Faisal Ade Kurniadi, Ade Adiratna, Kun Aditya, Heru Afandi, Aris Affandi, M. Rizki Ahmad Bagus Setiawan Ahmad Shiddiq, Ahmad Ahnan, Miftah Akbar Fastio Hari Setiawan Al Farizi, Mochammad Alfatih, Muhamad Jallu Alfian, Ahmad Ade ALFIANA HIDAYATI Alfino Wahyu Pramudya Anasrudin, Rohman Sulton Andreas Setiawan Anggraeni, Devi Ayu Anifiatiningrum Anisa Catur Wijayanti Anwar, Muhammad Choirul Apriansa, Rendi Dwi Ardi Sanjaya Attar, Alfan Faradudin Baehaqi Bagus Dwi Prasetya Bagus Iswanto, Bima Berlian, Rahma Novita BIMA SETIAWAN Burhanudin Burhanudin Danang Wahyu Widodo Daniati, Ika Maria Daniel Swanjaya Dea, Dea Avrillia Arba'a Depi, Alisa Sintiya Dusea Widyadara, Made Ayu Dyan Heri Saputra Dzikri, Ridwan Saiful Efendi, Ahmad Rizal Endah Tri Wijayanti Essa, Idam Iganda Fahmi, Muhammad Fajrul FAJAR SETIAWAN Faradilla Ratna Dewi Febriana, Fitri Indah Fikriansyah, Mochammad Wildan Finanto, Naufal Gilang Dwi Cahyo Ginting, Sri Widyanti Gunawan, Akbar Dwi Hidayah, Avivah Ainun Huda, M Yusuf Khoirul Hudha, Moch Nur Idris Efendi, Idris Indah Purwitosari Indra Septiawan Irfan Ramadhan Julian Sahertian Julian Suhertian Julianto, Bagas Kandina, Anggin Ati Kurniawan, Muhammad Akbar Kuswantoro, Moch. Yanuariadin Pujo Lengkoro, Tejaningrat M.Galihleo Yafan Dolar F Made Ayu Dunia Widyadara Made Ayu Dusea Widyadara Made Ayu Dusea Widyadara - Universitas Nusantara Kediri, Made Ayu Dusea Widyadara Mahdiyah, Umi Marzuki, Moh. Ismail Mido, Gafana Oly Miftakhul Maulidina Millenialdo Yanuar Ilham Moch. Ghufron Ramadhani Moh Farih Fauzi Muhammad Krishna Luthfi Mustofa Kamal, Ryzki Agus Niken Wulandari Niska Shofia Novianto, Alfian Dwi Nur Cahyo, Mochamad Nur Farida Nurfiah, Nina Wahyu Oktafiyan Pratama, Yana Patmi Kasih Permana Putra, Satya Dwi Petrus Bitin Prameswari, Dwieka Permata Prasetya, Bagus Dwi Prasetyo, Aprisa Risky Prianggara, Ferdian Wahyu Puji Karuniawan Puspita, Widya Galih Putri Kartika Sari Putri, Dhaniar Ruandha Putri, Karina Ananda Ramadhan, Muhammad Iqbal Ramadhanu, Ilham Khefi Rasi, Yoseph Rikardus Ratih Kumalasari Niswatin Resty Wulanningrum Ria Permata Sari Rifai, Mukhlas Rina Firliana Rini Indriati Risa Helilintar Risky Aswi R, Risky Rismantoro, Ganang Rochana, Siti Rokhmad, Muhammad Ikhbal Roni Setiawan Rosadi, Asyadam Abriel Sahertian , Julian Salsabila, Adinda Meylia Satria Bijaksana Satrio Damara, Moch. Deifa Setiawan, M. Debby Candra Siregar, Muhammad Fauzan Hardiansyah Siti Rochana Sumiranto, Ricky Agung Surya, Wahyu Baskara Syamsul A. Syahdan Syaputri, Rika Wahyu Tasia, Anas Tata Jeniarta Thobroni, Nur Ahmadi Umami, M. Rizal Usman, Tamariska Wahyu Cahyo Utomo Wahyu Rusmiati Wahyuniar , Lilia Sinta Wardana, Aldestra Bagas Wardani , Rama Yuda Wibowo, Nevi Harisuci Wijaya, Cahyanita Sekar Wisnugraha, Wahyu Surya Yahya, Nisaa’ Husnia Yan Arie Strada Tuhehay Yosia Septi Lestyaningtyas Zakaria, Farid Fauzi Zamzami, Edwin Zidane Chesa Wardana