Article Per Year (5 Year)
p-Index From 2021 - 2026
8.47
P-Index
This Author published in this journals
All Journal Prosiding SNATIKA Vol 01 (2011) KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Creative Information Technology Journal Journal of Information Technology and Computer Science (JOINTECS) Network Engineering Research Operation [NERO] JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Generation Journal Jurnal ABDINUS : Jurnal Pengabdian Nusantara JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Teknika Innovation in Research of Informatics (INNOVATICS) JAMI: Jurnal Ahli Muda Indonesia Joutica : Journal of Informatic Unisla Nusantara of Engineering (NOE) Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Jurnal Pengabdian Masyarakat Nusantara Inovate : Jurnal Ilmiah Inovasi Teknologi Informasi
Danar Putra Pamungkas, Danar Putra
Universitas Nusantara PGRI Kediri
Agriculture, Biological Sciences & Forestry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Social Sciences Transportation

Published : 93 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 93 Documents
Search

 6   7   8   9   10 
Pemodelan Convolutional Neural Network Dalam Klasifikasi Tanaman Bawang Merah Febrianto, Yahya Eko; Pamungkas, Danar Putra; Kasih, Patmi
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/wsmbp591

Abstract

Bawang merah merupakan salah satu komoditas yang masa tanamnya memiliki umur relatif singkat. Namun, selama masa pertumbuhan tanaman bawang merah sering mengalami serangan hama dan penyakit mengakibatkan masa pertubuhan terhambat. Penyebab kegagalan panen menjadi masalah dari ketidaktepatan dalam mengenali jenis hama dan penyakit. Penelitian ini bertujuan rancangan sistem untuk mengklasifikasi jenis hama dan penyakit pada tanaman bawang merah dengan menggunakan metode Convolutional Neural Network (CNN). Data hama dan penyakit bawang merah busuk bawang, jamur, kaper dan ulat dengan jumlah 305 yang diambil menggunakan kamera dan dilakukan resize, normalisasi, dan augmentasi, setelah melakukan pre-procrssing model CNN dilatih. Pada hasil evaluasi menggunakan confusion matrix mencapai nilai akurasi 95%. Hasil penelitian ini membuktikan metode CNN dengan arsitektur MobileNetV2 dapat digunakan secara efektif dalam klasifikasi bawang merah.
Penerapan Arsitektur Residual Network (ResNet-50) Pada Klasifikasi Citra Lovebird Prayoga, Ryan Sea; Pamungkas, Danar Putra; Widodo, Danang Wahyu
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 3 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/32z6z522

Abstract

Klasifikasi jenis lovebird berdasarkan citra digital merupakan tantangan karena kemiripan visual antarjenis, terutama pada warna bulu dan pola tubuh. Penelitian ini bertujuan membangun model klasifikasi otomatis menggunakan algoritma Convolutional Neural Network dengan arsitektur Residual Networks 50. Dataset terdiri dari 500 gambar lovebird yang dikategorikan ke dalam tiga jenis, dengan praproses normalisasi dan augmentasi citra. Model ResNet-50 dilatih selama 1000 epoch dan dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan model mencapai akurasi pelatihan 88,6% dan F1-score rata-rata 83,4% tanpa overfitting signifikan. Temuan ini membuktikan bahwa arsitektur ResNet-50 efektif dalam mengklasifikasikan jenis lovebird, serta menunjukkan potensi penerapan kecerdasan buatan dalam identifikasi spesies hewan peliharaan secara visual. 
Analisis Ciri Visual Beras Menggunakan Arsitektur Deep Learning MobileNetV2 Wijayanto, Bayu; Pamungkas, Danar Putra; Kasih, Patmi
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: 10.29407/6fys1733

Abstract

Beras merupakan makanan pokok utama bagi sebagian besar masyarakat Indonesia. Kualitas beras, termasuk usia penyimpanannya, memengaruhi nilai gizi dan preferensi konsumen. Penelitian ini bertujuan untuk mengklasifikasikan usia penyimpanan beras yaitu beras baru, sedang, dan lama berdasarkan citra visual butiran beras menggunakan metode deep learning dengan arsitektur MobileNetV2. Proses penelitian mengikuti pendekatan Waterfall yang meliputi tahapan pengumpulan sampel, pengambilan gambar, preprocessing, ekstraksi fitur, pelatihan model, dan evaluasi. Dataset terdiri dari 2.500 citra beras yang telah melalui proses deteksi tepi dan normalisasi untuk meningkatkan kualitas input model. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan usia beras dengan tingkat akurasi tinggi, mencapai hingga 99%. Temuan ini menunjukkan bahwa penerapan teknologi deep learning berbasis citra visual dapat menjadi solusi praktis dan efisien untuk membantu proses identifikasi kualitas beras secara otomatis. 
Analisis Performa Convolutional Neural Arsitektur Mobile-NetV2 Untuk Deteksi Batik SUCININGRUM, DYA AYU; PAMUNGKAS, DANAR PUTRA; WIDODO, DANANG WAHYU
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/hm241g29

Abstract

Keberagaman budaya Indonesia tecermin dalam motif batik. Mengingat kompleksitas identifikasi manual, penelitian ini mengembangkan sistem klasifikasi motif batik Kediri (Hewan, Tumbuhan, Wayang) menggunakan Convolutional Neural Network (CNN) berarsitektur MobileNetV2. Model dilatih dengan 600 gambar yang diproses dan di-augmentasi. Hasilnya, model mencapai akurasi validasi 90,50%, didukung metrik performa tinggi. Efisiensi komputasi MobileNetV2 menjadikannya solusi menjanjikan untuk aplikasi identifikasi batik real-time di perangkat mobile, sekaligus mendukung pelestarian warisan budaya
Analisis Performa Metode CNN Dan LSTM Untuk Deteksi Gerakan Angkat Beban Candra, Gea Vista Yulia; Pamungkas, Danar Putra; Kasih, Patmi
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/afant059

Abstract

Kesalahan dalam teknik angkat beban dapat meningkatkan risiko cedera dan mengurangi efektivitas latihan. Oleh karena itu, diperlukan sistem otomatis yang mampu mengidentifikasi kualitas gerakan secara akurat. Penelitian ini bertujuan untuk membangun dataset terlabeli dua kelas, yaitu "Benar" dan "Salah", serta mengimplementasikan model deep learning berbasis Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM) untuk klasifikasi gerakan angkat beban. Data diperoleh dari video latihan, kemudian diekstrak menjadi frame dan dilabeli berdasarkan kategori folder. CNN digunakan untuk mengekstraksi fitur spasial dari setiap frame, sedangkan LSTM mempelajari pola temporal antar frame. Hasil pelatihan menunjukkan bahwa model mampu mencapai akurasi sebesar 80% dalam membedakan gerakan yang dilakukan dengan benar dan salah. Temuan ini menunjukkan bahwa pelabelan dua kelas yang sistematis dan pemanfaatan arsitektur CNN-LSTM dapat digunakan secara efektif untuk mendeteksi kualitas gerakan dalam aktivitas angkat beban. Sistem ini berpotensi diterapkan sebagai alat bantu pelatihan yang cerdas dan adaptif di bidang kebugaran. 
Sistem Bantu Penilaian Kualitas Arang Tempurung Kelapa Subekti, Lutfi; Kasih, Patmi; Pamungkas, Danar Putra
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/bwssax84

Abstract

Penentuan kualitas arang tempurung kelapa sangat penting untuk mendukung daya saing industri arang di Indonesia. Namun, penilaian tingkat kematangan arang yang dilakukan dengan cara melihat fisik secara langsung dinilai kurang tepat. Data dikumpulkan dari lima lokasi produksi dengan total 180 sampel gambar yang telah diberi label kematangan. Penelitian ini bertujuan mengembangkan aplikasi Android untuk mengklasifikasikan tingkat kematangan arang tempurung kelapa secara otomatis menggunakan  fitur warna (HSV) dan tekstur (GLCM), serta penerapan klasifikasi Naïve Bayes. Hasil pengujian menunjukkan model mampu mengklasifikasikan tiga kategori kematangan dengan akurasi 58%, dengan presisi tertinggi pada kategori matang. Sistem ini dapat meningkatkan efisiensi dan konsistensi pengendalian kualitas arang tempurung kelapa, sehingga memberikan manfaat nyata bagi industri dan mendorong penerapan teknologi digital dalam penilaian mutu produk arang.
Implementasi EfficientNet-B4 untuk Klasifikasi Penyakit Daun Tanaman Kentang Shodiq, Muchamad Fajar; Pamungkas, Danar Putra; Kasih, Patmi
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: 10.29407/4wa90c22

Abstract

Kentang (Solanum tuberosum L.) merupakan tanaman hortikultura penting di Indonesia, namun rentan terhadap serangan penyakit. Identifikasi dini diperlukan agar petani dapat melakukan pengendalian secara tepat. Metode tradisional identifikasi penyakit umumnya memerlukan keahlian khusus dan waktu yang lama. Pemanfaatan teknologi, khususnya pengolahan citra digital untuk mendeteksi penyakit tanaman. Penelitian ini bertujuan untuk mengklasifikasikan penyakit daun kentang menggunakan model EfficientNet-B4. Data berupa citra daun kentang dengan tujuh kategori kondisi yang dikumpulkan di lingkungan tidak terkontrol. Model diuji dalam tiga skenario: 20 epoch, 50 epoch, dan 20 epoch dengan augmentasi. Evaluasi dilakukan menggunakan akurasi, presisi, recall, dan F1-score. Hasil terbaik diperoleh pada skenario 20 epoch tanpa augmentasi dengan akurasi 78,90%, presisi 79,82%, recall 78,90%, dan F1-score 79,05%. Skenario 50 epoch mengalami overfitting, sedangkan augmentasi tidak meningkatkan performa secara signifikan. Hasil ini menunjukkan potensi EfficientNet-B4 dalam klasifikasi penyakit daun kentang.
Perancangan Aplikasi Augmented Reality Pada Buku Cerita Ande Ande Lumut RIZQI VIERI, MUHAMMAD ARIEL; Swanjaya, Daniel; Pamungkas, Danar Putra; Saputra, Muh. Aris
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/kybc2d31

Abstract

Perkembangan teknologi informasi membuka peluang pengembangan media pembelajaran interaktif. Aplikasi buku cerita Ande Ande Lumut menggunakan teknologi Augmented Reality (AR) untuk menggabungkan buku dongeng tradisional dengan elemen digital yang menarik. Ilustrasi cerita dibuat secara mandiri menggunakan Photoshop, kemudian dikembangkan dengan Unity dan Vuforia sebagai engine AR. Aplikasi ini memungkinkan gambar muncul dalam bentuk objek 3D atau animasi interaktif melalui kamera smartphone berbasis Android. Tujuan utama aplikasi adalah meningkatkan pengalaman belajar anak-anak dengan cara yang menyenangkan dan edukatif. Dengan memanfaatkan teknologi AR dan kreativitas ilustrasi, aplikasi ini diharapkan menjadi media pembelajaran yang efektif dan inovatif di era digital.
Rancang Bangun Sistem Pendukung Keputusan Penilaian Kelayakan Kredit Motor Menggunakan Metode Profile Matching MUCHAMMAD YOHAN EKA ANDREANE; Daniel Swanjaya; Pamungkas, Danar Putra
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/ngtktt53

Abstract

Pada proses pemberian kredit, metode yang dilakukan masih bersifat konvensional dan kurang objektif. Maka penelitian ini dilaksanakan untuk merancang dan membangun suatu aplikasi yang mendukung peningkatan efisiensi kelayakan penerima kredit. Penilaian kelayakan pemberian kredit yang menerapkan metode metode Profile Matching dan melakukan pencarian alternatif kelayakan pemberian kredit berdasarkan bobot kriteria yang telah ditentukan. Jenis penelitian ini menggunakan desain simulasi dan desain penelitian pengembangan. Instrumen penelitian berupa perangkat keras dan lunak. Teknik analisis data melalui desain sistem dan simulasi proses penyelesaian masalah. Hasil menunjukkan metode Profile Matching adalah dengan diawali pengguna memasukkan data login, dari data login akan diverifikasi apakah data tersebut benar atau salah. Jika data salah maka pengguna akan tetap berada di halaman login, sedangkan jika data login benar maka langkah selanjutnya yaitu melakukan input data aspek penilaian, input data subjek dan input data pembobotan. Setelah perhitungan profile matching selesai maka akan menampilkan hasil dari seleksi penerima kredit motor. 
Fine-Tuning Model YOLOv8 untuk Meningkatkan Robustness pada Implementasi Real-World Deteksi Produk di Kasir Koperasi Achmad Fachrudi, Rafi; Swanjaya, Daniel; Putra Pamungkas, Danar
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/n560a953

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem deteksi objek menggunakan model YOLOv8 guna mendukung sistem kasir cerdas tanpa barcode di koperasi. Model dilatih menggunakan dataset produk minuman kemasan yang dikumpulkan secara mandiri, kemudian dilakukan fine-tuning dengan data tambahan yang lebih bervariasi dari segi sudut, pencahayaan, dan kondisi objek. Hasil pengujian menunjukkan bahwa model fine-tuned lebih andal dalam mengenali objek di kondisi nyata meskipun terdapat penurunan pada beberapa metrik seperti precision dan mAP-50. Pendekatan augmentasi data dan pengaturan ulang pelatihan (freeze layer) terbukti meningkatkan kemampuan generalisasi model. Penelitian ini menunjukkan bahwa YOLOv8 dapat menjadi solusi efektif untuk otomatisasi kasir di lingkungan koperasi dan usaha kecil, serta mendukung upaya digitalisasi di sektor tersebut.
Co-Authors Abdul Azis Achmad Fachrudi, Rafi Ahmad Bagus Setiawan Alfiantama, Ilham Alghozali, Muhammad Attiqi Amrulloh, M. Farij Andriawan, Riko Anggi Nur Fadzila Aprilia, Tri Krisna Wati Arafat, Filach Akbar Ardhi Mardiyanto Indra Purnomo, Ardhi Mardiyanto Indra Ardi Sanjaya Ardiansyah, Abdul Riqza Arfani, A. Rifqi Yarzuq Armadyah Amborowati Audianingrum, Arike Septi Aziz, Ahmad Minanul Baehaqie, Lu'ay Bagus Nugraha, Bagus Bayu Wijayanto Budi Darmawan Cahyono, Eko Nur Candra, Gea Vista Yulia Danang Wahyu Widodo Daniel Swanjaya Deni Wahyu Trisdianto Dewi Kurnia Sari Ema Utami Fajar Rohman Hariri Fajar, Indra Aditya Fatahna, Inna Fauziyah, Laili Rahma Febrianto, Yahya Eko Firdaus, Afrizal Ahmad Firmansyah Mukti Wijaya Fitriana, Dwi Fitriyana, Wahyu Tia Gusti, Fadzilah Prayoganing Haika, Dwi Fikri hamzah, saiful Heffi Awang Cahya Imam Wicaksono Joko Purwanto Kresnawan, Michael Ilham Kristantio, Triyo Kumalasari , Ratih Kurniawan, Taufik Rizki Machfudin, Imam Mahardika, Tanggon Maulana Mahdiyah, Umi Ma’arif, A’an Tamim MUCHAMMAD YOHAN EKA ANDREANE Mudjiono, Stifen Zuro Murhatiningtyas, Yulia Mustofa, Hasan Bisri Muwafiq, Atho’ul Nugroho, Wahyu Rahman Listiyanto Nuryanto Nuryanto Pamungkas, Danar Puta Pangestu, Mohamad Inung Patmi Kasih Prahesta, Hadi Rizky Dwi Via Prahesta Prakosa, Ade Novit Dedey Prastya, Damar Zanuar Eka Pratama, Nando Adi Tya Prayoga, Ryan Sea Prayogo, M. Renhat Ade Rabiatul Adawiyah Ratih Kumalasari Niswatin Restuning Pamuji, M Anas Resty Wulanningrum Risa Helilintar Risky Aswi R, Risky Rizky Prasetyo, Aprisa RIZQI VIERI, MUHAMMAD ARIEL Rochana, Siti Rohmah, Anis Nur Rohman, Agus Nur Salis Nilam Amartama Saputra, Avif Bayu Saputra, Muh. Aris Shodiq, Muchamad Fajar Sholih, Faris Ashofi Sholih, Faris Ashofi Sidqika, Trinanda Majid Cipta suara, Andy Subekti, Lutfi SUCININGRUM, DYA AYU Sukardi, Bayu Adjirahman Syahrudin, Erwin Tri Setiawan, Didik Triprasetyo, Anggi Wahyu Wulaningrum, Resty Yulingga Nanda Hanief Yuningsih, Yayuk Yusuf, Ibram Farhani Zainuri, Mohamad Zuhal, Nadya Khalisah