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 
Penggunaan Algoritma Weighted Product Dalam Sistem Pendukung Keputusan Metode Pembelajaran Terbaik Indria, Ariek Trias; Kasih, Patmi
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 7 No. 2 (2023): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2023
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v7i2.3475

Abstract

Kegiatan belajar mengajar tidak lepas dengan yang namanya metode pembelajaran. Guru yang kesulitan menentukan metode pembelajaran, keberadaannya didalam kelas diabaikan dan suasana kelas menjadi ramai. Dengan melihat kondisi tersebut dirancanglah sebuah sistem pendukung keputusan yang dapat memberikan rekomendasi bagi guru dalam menentukan metode pembelajaran yang tepat, sehingga metode tersebut dapat merangsang motivasi belajar siswa, kemampuan siswa dalam memahami materi, membuat siswa lebih semangat dan aktif dalam pembelajaran. Sistem ini menggunakan algoritma weighted product untuk menganalisa kriteria, melakukan perhitungan dan perangkingan terhadap data alternatif. Teknik pengambilan data antara lain dari hasil pengisian angket, wawancara, observasi. Pada sistem yang telah dibuat, dapat disimpulkan bahwa sistem bantu ini berhasil dijadikan rekomendasi bagi guru dalam menentukan metode pembelajaran terbaik. Dari hasil input data dalam sistem, diketahui rekomendasi keputusan untuk kelas 8A menggunakan metode eksperimen dengan nilai 0,1932, kelas 8B menggunakan metode demonstrasi dengan nilai 0,1842 sedangkan 8C menggunakan metode ceramah dengan nilai 0,1970.
Sistem Bantu Menentukan Tingkat Kepuasan Penjualan Mobil Soviana, Aura Anisa; Kasih, Patmi; Rochana, Siti
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 7 No. 2 (2023): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2023
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v7i2.3476

Abstract

Sistem Pendukung Keputusan (SPK) adalah suatu sistem yang ditujukan untuk mendukung manajemen pengambilan keputusan dan sistem yang berbasis komputer yang mampu memecahkan masalah-masalah yang tidak terstruktur. Kepuasan pelanggan merupakan salah satu faktor penting dalam memenangkan persaingan sehingga setiap perusahaan berusaha untuk memaksimalkan semua faktor yang dapat meningkatkan kepuasan pelanggan. Sistem bantu ini menggunakan CSI (Customer Satisfaction Index) yang berfungsi untuk menganalisis data kuantitatif berupa hasil akhir prosentase pelanggan yang senang dalam suatu survei kepuasan pelanggan. Metode ini meliputi proses penilaian kinerja dan kepentingan, kemudian membobotkan nilai dari penilaian kinerja dan kepentingan yang akan digunakan untuk mencari nilai Mean Importance Score (MIS), Mean Satisfaction Score (MSS), Weight Factors (WF) total, Weight Score (WS) total, lalu metode Customer Satisfaction Index (CSI). Dari hasil penelitian ini data yang didapatkan dari 10 responden, memperoleh hasil sebesar 86.35% dengan indeks kepuasan sangat puas
Optimasi Pembagian Jadwal Lab Menggunakan Metode Tabu Search Prayoga, Irvan Ratma; Kasih, Patmi; Rochana, Siti
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 7 No. 2 (2023): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2023
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v7i2.3477

Abstract

Proses belajar mengajar pada SMK PGRI 1 Nganjuk mempunyai beberapa kendala diantaranya adalah pembagian jadwal lab yang masih mengalami kesulitan dalam hal mengatur jadwal guru dan waktu pratikum agar tidak bentrok. Jadwal lab yang bentrok mengakibatkan siswa-siswi menjadi pindah lab sebelum jam pelajaran selesai. Hal tersebut menyebabkan siswa-siswi menjadi kurang nyaman terhadap pembelajaran saat itu. Salah satu solusi untuk permasalahan tersebut dengan membuat sistem penjadwalan dengan metode tabu search agar proses pembelajaran antara jadwal lab dan jadwal kelas bisa teratur. Penelitian ini adalah penelitian awal (perancangan) dari Sistem penjadwalan Lab yang direncanakan peneliti. Tabu search akan mencari solusi terbaik dan dimasukan kedalam tabulist, untuk mengatur sistem penjadwalan lab agar tidak bentrok. Nantinya penulis akan membuat sebuah aplikasi berbasis web, yang bertujuan untuk membuat jadwal pelajaran yang lebih efektif. Hasil dari penelitian ini adalah sistem presensi pengguna lab dan penjadwalan berbasis web yang diharapkan dapat mempermudah proses absensi dan penjadwalan agar tidak terjadi jadwal yang bentrok
Implementasi K-Means Clustering dan Trend Moment dalam memproyeksikan stok obat di PT. Lestari Jaya Farma Cahyono, Arip Dwi; Mahdiyah, Umi; Kasih, Patmi
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 7 No. 3 (2023): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2023
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v7i3.3539

Abstract

Kecepatan dalam pengolahan dan penyampaian informasi menjadi kunci kesuksesan perusahaan dalam era persaingan bisnis yang bebas. Pedagang Besar Farmasi (PBF) membutuhkan pengolahan data yang efisien untuk mengatur sistem penjualan obat. Namun, PBF sering kesulitan memperkirakan permintaan dan mengelola stok obat dengan tepat. Metode peramalan yang efektif adalah solusi yang diperlukan. Penelitian ini menerapkan Metode K-Means dan Trend Moment untuk memprediksi persediaan obat di PT. Lestari Jaya Farma. Metode K-Means digunakan untuk teknik klastering data, sedangkan Metode Trend Moment digunakan untuk memprediksi tren permintaan berdasarkan data historis penjualan. Penelitian ini menggunakan jumlah data uji coba sebanyak 100 item obat untuk mendapatkan kategori cluster tinggi, sedang, dan rendah. Hasil pengolahan data menunjukkan bahwa kategori cluster tinggi terdiri dari 42 item obat, kategori cluster sedang terdiri dari 32 item obat, dan kategori cluster rendah terdiri dari 24 item obat. Selanjutnya, data diproses menggunakan Metode Trend Moment untuk mendapatkan hasil prediksi tren permintaan. Dalam penelitian ini, hasil prediksi tren moment kemudian dievaluasi, dan didapatkan tingkat Mean Absolute Percentage Error (MAPE) sebesar 15,6988% serta akurasi sebesar 98,57%.
Implementasi Teknik Ekstraksi Pose dengan MediaPipe dan Klasifikasi Random Forest untuk Penentuan Kualitas Gerakan Push-Up Andriawan, Riko; Kasih, Patmi; Pamungkas, Danar Putra
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/zf3hpm03

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem deteksi otomatis terhadap gerakan push-up menggunakan metode ekstraksi pose MediaPipe dan klasifikasi Random Forest. Ekstraksi fitur dilakukan dengan mendeteksi 12 titik tubuh utama (bahu, siku, pergelangan tangan, pinggul, lutut, pergelangan kaki) dari setiap frame video, yang dikonversi menjadi vektor numerik. Penentuan kategori “benar” dan “salah” dilakukan berdasarkan observasi visual terhadap postur, seperti kelurusan punggung, sudut siku, dan kestabilan tubuh, sesuai label dari sumber dataset. Data yang telah dilabeli digunakan untuk melatih model Random Forest, yang kemudian diuji dengan berbagai nilai random state. Hasil menunjukkan bahwa model memiliki akurasi tertinggi pada random state 0. Sistem ini juga dilengkapi antarmuka grafis (GUI) untuk mempermudah pengguna dalam mengunggah video dan memperoleh hasil klasifikasi secara langsung. Hasil ini berpotensi mendukung latihan kebugaran secara mandiri dan terstandar.
Pemodelan Klasifikasi Penyakit Daun Tembakau Dengan Arsitektur MobileNetV2 Arafat, Filach Akbar; 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: 10.29407/0e53ye06

Abstract

Penyakit daun tembakau seperti keriting, layu, patik, dan lanas merupakan salah satu faktor utama yang dapat menurunkan produktivitas dan kualitas hasil panen, serta menyebabkan kerugian ekonomi bagi petani. Deteksi dini menjadi kunci dalam pengendalian penyakit secara efektif. Penelitian ini mengembangkan sistem klasifikasi penyakit daun tembakau berbasis citra digital menggunakan arsitektur MobileNetV2. Dataset terdiri dari 120 gambar daun tembakau yang dikumpulkan langsung dari lapangan dan dikelompokkan ke dalam empat kategori. Tahapan preprocessing meliputi resizing, normalisasi, dan augmentasi data. Model dilatih hingga 40 epoch dan menghasilkan akurasi 95,83% dengan loss 0,2505 tanpa indikasi overfitting. Sistem yang dikembangkan mampu melakukan identifikasi secara cepat dan akurat, sehingga mendukung pengambilan keputusan pengendalian penyakit sejak tahap awal.
Penerapan Metode Convotutional Neural Network Untuk Klasifikasi Jenis Kayu Menggunakan Inceptionv3 Prayogo, M. Renhat Ade; 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/vjzctn17

Abstract

Indonesia memiliki kekayaan jenis kayu yang sangat beragam, namun proses identifikasi jenis kayu secara manual sering kali menyulitkan karena kemiripan tekstur antar jenis kayu serta keterbatasan pengetahuan masyarakat umum. Penelitian ini bertujuan untuk merancang sistem klasifikasi otomatis jenis kayu berbasis web dengan menggunakan metode Convolutional Neural Network (CNN) dan arsitektur InceptionV3. Empat jenis kayu yang diklasifikasikan adalah akasia, glugu, jati, dan mahoni. Data diperoleh dari citra serat kayu yang diambil menggunakan kamera makro dan melalui tahap pre-processing seperti normalisasi, pelabelan, dan resize. Model CNN dilatih menggunakan teknik transfer learning dengan bobot dari ImageNet. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan gambar kayu dengan akurasi hingga 97,5% pada data validasi. Sistem ini mampu mengenali pola tekstur dengan baik dan dapat membantu proses identifikasi kayu secara otomatis, cepat, dan akurat. Hasil ini menunjukkan bahwa CNN InceptionV3 efektif digunakan dalam klasifikasi citra tekstur kayu.
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.
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. 
Implementasi Convolutional Neural Network (CNN) Pada Prediksi Ukuran Tubuh Putra, Adam Maulana Khabibillah Ashari; 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/tn541a51

Abstract

Penentuan ukuran pakaian yang tepat dalam pembelian online menjadi tantangan utama bagi konsumen. Penelitian ini mengembangkan sistem prediksi ukuran tubuh manusia menggunakan Convolutional Neural Network (CNN) untuk memprediksi tiga parameter tubuh yaitu lingkar badan, panjang bahu, dan panjang badan melalui analisis citra digital. Sistem memanfaatkan deteksi keypoint tubuh manusia untuk menentukan tiga parameter tersebut. Pengujian menggunakan dataset LSP menunjukkan variabilitas performa yang signifikan dengan rentang error dari 1.20% hingga 3,403.99%. Model menunjukkan performa optimal pada gambar dengan pose standar, namun mengalami tantangan pada parameter panjang bahu yang menunjukkan sensitivitas tinggi terhadap kualitas keypoint detection. Hasil penelitian ini penting sebagai dasar pengembangan teknologi computer vision untuk prediksi dimensi tubuh yang dapat diaplikasikan dalam industri fashion dan bidang lainnya.
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