Article Per Year (5 Year)
p-Index From 2021 - 2026
9.248
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Prosiding SNATIKA Vol 01 (2011) Nusanatara of Engineering JAIS (Journal of Applied Intelligent System) Jurnal Sisfokom (Sistem Informasi dan Komputer) Generation Journal Jurnal Teknika Innovation in Research of Informatics (INNOVATICS) Joutica : Journal of Informatic Unisla Nusantara of Engineering (NOE) Jurnal Maklumatika Politeknosain Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Jurnal Pengabdian Masyarakat Nusantara
Patmi Kasih
Program Studi Teknik Informatika, Fakultas Teknik, Universitas Nusantara PGRI Kediri
Agriculture, Biological Sciences & Forestry Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mathematics Mechanical Engineering Transportation

Published : 102 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 102 Documents
Search

 7   8   9   10   11 
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.
Sistem Rekomendasi Petarung Ultimate Fighting Championship (UFC) Berbasis Profile Matching dan Elo Rating Azis, Bahrul Satria; Setiawan, Ahmad Bagus; 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/y9qht376

Abstract

Ketidakseimbangan dalam sistem pencocokan petarung UFC dapat mengurangi kualitas pertarungan serta pengalaman penonton. Penelitian ini mengajukan penggunaan sistem rekomendasi yang memanfaatkan algoritma Elo Rating dan Profile Matching untuk secara adil mencocokkan lawan berdasarkan data statistik kinerja petarung. Proses ini dimulai dengan mengumpulkan data dari situs resmi UFC, diikuti dengan normalisasi, perhitungan skor kecocokan, dan pembaruan peringkat. Sistem ini dibangun menggunakan Python dan Flask. Hasil simulasi menunjukkan bahwa petarung seperti Alexandre Pantoja direkomendasikan untuk bertanding melawan Brandon Moreno, dengan skor kecocokan sebesar 0,313. Evaluasi menunjukkan bahwa tingkat presisi awal mencapai 50%, dengan kemungkinan peningkatan seiring dengan bertambahnya jumlah data. Sistem ini terbukti efektif dalam memberikan rekomendasi pasangan bertarung yang lebih objektif dan kompetitif.
Penerapan Estimasi Pose dengan Model MoveNet untuk Klasifikasi Posisi Gerakan Deadlift Menggunakan XGBoost Dyansyah, Kevin Ragil Krisna; Setiawan, Ahmad Bagus; 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: 10.29407/9xzamk35

Abstract

Klasifikasi fase gerakan pada latihan deadlift penting untuk menghindari cedera akibat postur yang salah. Penelitian ini mengembangkan sistem klasifikasi posisi “up” dan “down” menggunakan estimasi pose berbasis MoveNet Lightning dan algoritma XGBoost. Sistem mendeteksi 17 keypoint tubuh secara real-time melalui browser dan menghitung tiga sudut utama (pinggul, lutut, punggung) sebagai fitur klasifikasi. Data sudut tersebut dilabeli otomatis dan dilatih menggunakan XGBoost dengan akurasi uji mencapai 98,51%. Analisis menunjukkan bahwa sudut lutut memiliki kontribusi tertinggi terhadap hasil klasifikasi. Sistem berjalan sepenuhnya di sisi klien menggunakan React.js dan TensorFlow.js, memungkinkan klasifikasi real-time tanpa backend. Pendekatan ini menunjukkan bahwa kombinasi model ringan dan algoritma efisien dapat menghasilkan sistem pelatih digital yang akurat, ringan, dan portabel. 
Teknologi Pose Estimation Untuk Model Klasifikasi Gerakan Hammer-Curl Perkasa, Galang Elang; Kasih, Patmi; Helilintar, Risa
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: 10.29407/1h8nsj97

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem kecerdasan buatan berbasis perkiraan pose yang mampu mendeteksi dan mengevaluasi gerakan hammer-curl secara akurat. Sistem ini menganalisis pola gerakan tubuh dari video dengan memanfaatkan koordinat titik-titik tubuh (landmark), seperti bahu, siku, dan pergelangan tangan. Data landmark disusun dalam bentuk urutan berdimensi tetap sebanyak 30 frame untuk merepresentasikan satu unit gerakan, kemudian digunakan sebagai input untuk melatih model Long Short-Term Memory (LSTM). Model ini dikembangkan untuk mengklasifikasikan kualitas gerakan menjadi tiga kategori, yaitu gerakan sempurna, benar, dan salah. Hasil pengujian menunjukkan bahwa model mencapai akurasi sebesar 94% dari total 1579 data, dengan nilai macro average dan weighted average yang tinggi. Performa klasifikasi pada masing-masing kelas juga menunjukkan hasil yang baik, dengan nilai f1-score sebesar 90% untuk gerakan sempurna, 96% untuk gerakan benar, dan 95% untuk gerakan salah. Temuan ini menunjukkan bahwa sistem yang dibangun efektif dalam mengevaluasi kualitas gerakan hammer-curl dan berpotensi untuk diterapkan dalam pelatihan kebugaran secara otomatis dan real-time.
Analisis Performa CNN Arsitektur MobileNet Untuk Pengenalan Penyakit Pada Tanaman Bawang Merah Prahesta, Hadi Rizky Dwi Via Prahesta; 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/fn6mgw27

Abstract

Penyakit pada tanaman bawang merah, seperti busuk bawah, jamur daun, dan serangan ulat, dapat menyebabkan penurunan kualitas dan kuantitas hasil panen. Deteksi dini penyakit sangat penting untuk mencegah kerugian lebih lanjut. Penelitian ini mengembangkan sistem klasifikasi otomatis berbasis citra menggunakan Convolutional Neural Network (CNN) dengan arsitektur MobileNetV1. Dataset terdiri dari 250 citra daun bawang merah yang dikategorikan ke dalam empat kelas: normal, busuk bawah, jamur daun, dan ulat. Proses pelatihan menggunakan teknik augmentasi citra dan callbacks EarlyStopping serta ModelCheckpoint untuk mencegah overfitting. Model berhenti pada epoch ke-16 dan mencapai akurasi 92,00%, presisi 92,31%, recall 92,00%, serta F1-score 91,90%. Hasil ini menunjukkan bahwa arsitektur MobileNetV1 efektif dalam mengklasifikasikan penyakit pada tanaman bawang merah secara otomatis.
Penerapan Metode Djikstra Dalam Menentukan Rute Terdekat Bengkel Di Kabupaten Nganjuk Izzuddin, Ahmad Rafi'; Ahmad Bagus Setiawan; Patmi Kasih
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/g39s1v85

Abstract

Penelitian ini bertujuan untuk merancang dan menerapkan Metode Algoritma Dijkstra dalam mencari rute jarak terdekat bengkel di Kabupaten Nganjuk. Manfaat penelitian ini mencakup penghematan waktu bagi pengguna saat mencari bengkel terdekat, penambah pengetahuan bagi peneliti mengenai penerapan metode ini, serta sebagai referensi bagi peneliti lain dan instansi terkait. Metode penelitian yang digunakan adalah kuantitatif, dengan fokus pada pengukuran jarak dan perhitungan rute terpendek.
Sistem Prediksi Penjualan dan Bahan Baku diBerrys Bakery Menggunakan Metode Single Moving Average dan Economic Order Quantity BAGUS SETIAWAN, MUCHAMAT RISKI; Patmi Kasih
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: 10.29407/5by01t18

Abstract

Toko Roti Berry adalah toko roti yang populer dengan berbagai macam camilan manis dan gurih untuk pelanggannya. Sebagai toko roti, mengelola stok bahan baku merupakan hal yang penting supaya produksi berjalan lancar dan efisien. Manajemen stok yang efektif dapat membantu mengurangi limbah, meminimalkan kehabisan stok, mengoptimalkan biaya inventaris dan pengelolaan stok. Abstrak penelitian ini bertujuan untuk mengimplementasikan metode Single Moving Average (SMA) dan Economic Order Quantity (EOQ) dalam memprediksi penjualan dan kebutuhan bahan di Toko Berrys Bakery. Dengan meningkatnya persaingan di industri bakery, penting bagi Berrys Bakery untuk memiliki sistem yang efektif dalam merencanakan persediaan dan memenuhi permintaan pelanggan. Metode SMA digunakan untuk menganalisis data penjualan historis guna menghasilkan proyeksi penjualan yang lebih akurat, sementara EOQ diterapkan untuk menentukan jumlah pemesanan optimal yang meminimalkan total biaya persediaan. Hasil dari penelitian ini menunjukkan bahwa kombinasi kedua metode tersebut dapat meningkatkan efisiensi pengelolaan persediaan, mengurangi risiko kehabisan stok, dan mengoptimalkan biaya operasional. Dengan demikian, implementasi SMA dan EOQ diharapkan dapat memberikan kontribusi signifikan terhadap kinerja bisnis Toko Berrys Bakery.
SISTEM OPTIMALISASI MANAJEMENSTOK TOKO BANGUNAN DENGANALGORITMA ASOSIASI Anugrah A, Gigih Jenop; Patmi Kasih; Risa Helilintar
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/ece9jg10

Abstract

 Penelitian ini dilakukan dengan tujuan utama untuk mengembangkan sebuah sistem manajemen stok yang lebih cerdas dan efisien, khususnya untuk toko bangunan, dengan memanfaatkan pendekatan teknologi berbasis algoritma asosiasi. Sistem ini dirancang untuk menganalisis pola pembelian konsumen secara otomatis guna menghasilkan rekomendasi yang relevan terkait pengelolaan stok barang. Metodologi yang digunakan dalam penelitian ini adalah algoritma Apriori, yang termasuk dalam kelompok algoritma data mining untuk menemukan asosiasi atau keterkaitan antar item dalam data transaksi [1]. Sistem melakukan pemrosesan untuk mengidentifikasi pola pembelian yang sering muncul bersama. Misalnya, hasil analisis menunjukkan bahwa terdapat asosiasi antara produk semen dan cat, dengan nilai support sebesar 0.4, yang mengindikasikan bahwa 40% dari transaksi yang melibatkan semen juga menyertakan cat. Sistem manajemen stok ini dikembangkan menggunakan bahasa pemrograman PHP, dengan MySQL sebagai sistem manajemen basis data, serta memanfaatkan framework CodeIgniter 3 untuk mempermudah pengembangan aplikasi berbasis web. Antarmuka dirancang agar user-friendly dan dapat digunakan oleh staf toko tanpa memerlukan pengetahuan teknis yang mendalam..Berdasarkan pengujian awal, penerapan sistem ini diproyeksikan mampu mengurangi risiko overstock dan stockout hingga sebesar 30%, yang tentunya akan berdampak positif terhadap efisiensi operasional dan kepuasan pelanggan.
Co-Authors Ade Kurniadi, Ade Adiba, Fera Hidayatul Ady Suprapto, Ady Ahmad Bagus Setiawan Alqozi, Nur Sam’un Alvian, Ficky Andriawan, Riko Ansah, Muhammad Ardy Anugrah A, Gigih Jenop Arafat, Filach Akbar Ardi Sanjaya Arfani, A. Rifqi Yarzuq Azis, Bahrul Satria Azizah, Sarilah Nur BAGUS SETIAWAN, MUCHAMAT RISKI Bayu Wijayanto Budi Utomo Burhanudin Burhanudin Cahyono, Arip Dwi Candra, Gea Vista Yulia Dadi Setyawan Danang Wahyu Widodo Danar Putra Pamungkas, Danar Putra Daniel Swanjaya Dwi Bagus Arianto Dwi Harini Dwi Harini Dwiyanto, Ricko Dyansyah, Kevin Ragil Krisna Eka Putra, Ilham Rizki Fauzi Endah Tri Wijayanti Ervin Kusuma Dewi, Ervin Kusuma Farosa, Muzayin Al Fauziyah, Laili Rahma Febrianto, Yahya Eko Firman Syah, Azriel Akbar Fitriyana, Wahyu Tia Gilbijatno, Arvin Argananta Gumelar, Istiqo Rezeki Agung Gunawan, Akbar Dwi Gusti, Fadzilah Prayoganing Halilintar, risa Handoko, Destian Tri Hanggara, Nazil Rizqi Hendra Riyandoko Holide, Yuki Angka Indria, Ariek Trias Intan Nur Farida Izzuddin, Ahmad Rafi' Jayanto, Andin Dwi Joko Purwanto Julian Sahertian Kasih, Patmi Kasih Kurniawan, Dodyk Lengkoro, Tejaningrat M.Galihleo Yafan Dolar F Made Ayu Dusea Widyadara - Universitas Nusantara Kediri, Made Ayu Dusea Widyadara Mahdiyah, Umi Mahdiyah, Umi Mahdiyah Mardiana, Anisa Wanda Moch. Ghufron Ramadhani Moh Farih Fauzi Munir, Muhamad Misbahul Muragil, Dimas Arif Murhatiningtyas, Yulia Muzaki, Anwar Mu’alim, Rizki Saputro Niswatin, Ratih Kumalarasi Noviana Dewi, Anggielia Ika Nur Cahyo, Mochamad Nurhidayat, Taufiq Nurpanto, Nugroho Wisma Perkasa, Galang Elang Prahesta, Hadi Rizky Dwi Via Prahesta Pranata, Bagas Dwi Pratama Putra, Septiandy Adibya Pratama, Septian Widha Prayoga, Irvan Ratma Prayogo, M. Renhat Ade Putra, Adam Maulana Khabibillah Ashari Putri Kartika Sari Rahayu, Lina Farisa Ramadhan, Dimas Gilang Ratih Kumalasari Niswatin Ratna Ratna Resty Wulanningrum Rianty, Rika Rina Firliana Rini Indriati Risa Helilintar Risky Aswi R, Risky Rizki, Maulana Rochana, Siti Rokhmad, Muhammad Ikhbal Roni Setiawan Rony Heri Irawan Rozi, Ahmad Fatkhur Salis Nilam Amartama Santoso, Ricky Laschka Zidane Saputro, Rizal Dwi Setyawan, Moch Aris Shodiq, Muchamad Fajar Siti Alvi Nikmah Soviana, Aura Anisa Subekti, Lutfi Syafi’i, Mohammad Aziz Syahrudin, Erwin Tanjungsari, Ardina Tasia, Anas Tata Jeniarta Tri Wahyudi Wabula, Dava Febrian Wabula, Diva Febrian Wahyuniar , Lilia Sinta Yuni Lestari