Claim Missing Document
Check
Articles

Sistem Pengenalan Objek Untuk Penyandang Tunanetra Menggunakan YOLOv8 Ohny, Abrham Galatiano; Ramadhani, Risky Aswi; Sanjaya, Ardi
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/gghnzf27

Abstract

 Tunanetra adalah istilah umum yang digunakan untuk menyebut seseorang yang mengalami gangguan atau hambatan pada indra penglihatan. Oleh karena itu, untuk mengenali keberadaan suatu objek, penyandang tunanetra akan lebih bergantung pada indra lain seperti pendengaran, penciuman, dan peraba. Tujuan penelitian ini yaitu, membuat sebuah sistem pengenalan objek menggunakan YOLOv8 yang digunakan untuk penyandang tunanetra mengenali objek di sekitarnya. Input dari sistem berupa frame yang ditangkap melalui kamera lalu diproses sehingga dapat mengenali objek. Untuk output dari sistem berupa suara dengan kata-kata objek apa yang dikenal. Sistem mampu mendeteksi secara real-time dengan resolusi 640x640 pada nilai rata-rata fps 30. Dari hasil uji coba yang dilakukan peneliti menggunakan 35 gambar dan 29 objek sebagai validasi, model deteksi objek memiliki nilai rata-rata akurasi diatas 85%. 
Sistem Monitoring Latihan Bicep Curl Berbasis Computer Vision untuk Peningkatan Performa dan Akurasi Latihan Oktamar, Yopy Aldo; Widodo, Danang Wahyu; Sanjaya, Ardi
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/n7f3k829

Abstract

Latihan bicep curl merupakan salah satu bentuk latihan kekuatan yang populer untuk membentuk otot lengan atas. Namun, kesalahan dalam teknik pelaksanaan dapat menurunkan efektivitas latihan dan meningkatkan risiko cedera. Penelitian ini bertujuan untuk mengembangkan sistem monitoring bicep curl berbasis computer vision yang mampu mendeteksi kesalahan gerakan secara real-time dan memberikan umpan balik langsung kepada pengguna. Sistem dikembangkan menggunakan kamera untuk menangkap gerakan, dengan MediaPipe digunakan untuk ekstraksi pose dan analisis sudut sendi utama seperti bahu, siku, dan pergelangan tangan. Melalui algoritma deteksi berbasis pergeseran sudut dan posisi relatif antar sendi, sistem mampu mengidentifikasi repetisi yang benar dan salah. Evaluasi sistem dilakukan menggunakan confusion matrix terhadap 10 repetisi latihan yang seluruhnya salah, dan menghasilkan akurasi klasifikasi sebesar 80%. Meski begitu, tingkat presisi 0% menunjukkan adanya false positive yang perlu diminimalkan. Hasil ini menegaskan potensi sistem sebagai alat bantu latihan non-invasif untuk mendeteksi dan memperbaiki kesalahan gerakan. Ke depannya, pengembangan algoritma lebih presisi dan ketahanan terhadap variasi lingkungan menjadi arah penelitian selanjutnya. Sistem ini berkontribusi terhadap inovasi teknologi olahraga yang aman, mudah diakses, dan efektif dalam mendukung kebugaran fisik.
Sistem Penilaian Kinerja Karyawan Menggunakan Metode SAW di PT. Putra Prima Mandiri Wijaya, Miko Maulana; Widodo, Danang Wahyu; Sanjaya, Ardi
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: 10.29407/10ffcm85

Abstract

Penilaian kinerja karyawan merupakan proses penting dalam menentukan tingkat pencapaian dan kontribusi individu terhadap tujuan perusahaan. PT. Putra Prima Mandiri, sebuah perusahaan agribisnis di Kediri, menghadapi kendala dalam proses penilaian karyawan terbaik yang masih dilakukan secara manual, sehingga menimbulkan risiko ketidakefisienan, ketidakobjektifan, dan human error. Untuk mengatasi hal tersebut, penelitian ini bertujuan menerapkan metode Simple Additive Weighting (SAW) dalam Sistem Pendukung Keputusan (SPK) guna meningkatkan akurasi dan transparansi dalam proses evaluasi. Penelitian ini melibatkan perancangan dan pengembangan aplikasi berbasis web dengan menggunakan HTML, PHP, CSS, dan MySQL sebagai database, serta pendekatan perancangan sistem menggunakan Data Flow Diagram (DFD) dan Entity Relationship Diagram (ERD). Kriteria penilaian yang digunakan mencakup kehadiran, kualitas kerja, kedisiplinan, kerja tim, dan tanggung jawab. Hasil yang diharapkan dari penelitian ini adalah terciptanya sistem yang mampu memberikan rekomendasi karyawan terbaik secara objektif berdasarkan perhitungan nilai preferensi dari metode SAW. Penelitian ini memberikan kontribusi teoretis dalam pengembangan SPK berbasis SAW serta manfaat praktis bagi perusahaan, karyawan, dan pengembang sistem.
Penerapan Metode Naïve Bayes Untuk Menilai Sentimen Pelanggan Barbershop Mahawuni, Kandhia Winggar; Sanjaya, Ardi; Setiawan, Ahmad Bagus
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: 10.29407/198wdq50

Abstract

Perkembangan teknologi digital menjadikan ulasan pelanggan sebagai salah satu aspek penting dalam membentuk citra sebuah bisnis, seperti halnya barbershop. Penelitian ini bertujuan untuk melakukan klasifikasi sentimen pelanggan menjadi kategori positif dan negatif dengan menggunakan algoritma Naive Bayes Classifier. Metodologi yang digunakan bersifat kuantitatif dengan tahapan pengambilan data ulasan dari Google review, pra-pemrosesan teks, pelabelan data, pelatihan model, dan evaluasi hasil dengan mengukur akurasi, presisi, recall, serta F1-score. Pendekatan yang digunakan terbukti dapat dijadikan dasar dalam menyusun strategi peningkatan pelayanan dan kenyamanan pelanggan dalam jangka panjang.
Klasifikasi Emosi Supporter Persebaya Di Twitter Dengan Metode Long Short Term Memory(Lstm) R, Muchamad Gilang Nauri; Sanjaya, Ardi; Ramadhani, Riski Aswi
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: 10.29407/1ak10b76

Abstract

Twitter menjadi ruang aktif bagi pendukung Persebaya Surabaya untuk menyuarakan opini dan emosi mereka. Penelitian ini bertujuan untuk mengklasifikasikan sentimen komentar pendukung di Twitter ke dalam kategori positif, negatif, dan netral. Data diperoleh melalui pengumpulan komentar twitter, kemudian dilabelo menggunakan TextBlob dan divalidasi oleh dosen bahasa. Setelah melalui tahapan preprocessing dengan stemmer Sastrawi dan representasi word embedding, data dianalisis menggunakan model Long Short-Term Memory (LSTM). Hasil menunjukkan bahwa model mampu mengklasifikasikan sentimen dengan cukup akurat, meskipun masih terdapat kendala dalam memahami kritik halus atau konteks implisit. Penelitian ini diharapkan dapat menjadi landasan dalam memahami opini publik terhadap klub serta mendorong pengembangan sistem analisis sentimen di ranah olahraga dan media sosial berbahasa Indonesia.
Klasifikasi Penyakit Daun Tomat Menggunakan Algoritma CNN Mobilenet V2 Aryaputra, Adis Prima; Widodo, Danang Wahyu; Sanjaya, Ardi
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/s37pzf98

Abstract

Penyakit pada daun tomat menjadi salah satu faktor utama penurunan hasil pertanian. Deteksi manual oleh petani sering kali tidak akurat karena gejala penyakit yang serupa. Penelitian ini bertujuan mengembangkan klasifikasikan penyakit daun tomat menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Dataset yang digunakan diperoleh dari Kaggle dengan enam kelas kondisi daun. Proses meliputi tahap pra-pemrosesan, pelatihan model, pengujian, dan implementasi. Evaluasi dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa model mampu melakukan klasifikasi dengan tingkat akurasi yang baik. Penelitian ini penting karena memberikan solusi praktis bagi petani dalam mendeteksi penyakit secara tepat, serta mendorong pemanfaatan teknologi dalam sektor pertanian.
Peramalan Kebutuhan Saldo K_One Top Up Menggunakan Algoritma Long-Short Term Memory(LSTM) Berdasarkan Data Time Series Abadi, Rachmad; Sanjaya, Ardi; Setiawan, Ahmad Bagus
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/x9nzc890

Abstract

Pengelolaan saldo yang akurat menjadi kunci dalam menjaga kelancaran layanan bisnis digital seperti top up pulsa, voucher game, dan e-wallet. K_One Top Up masih menerapkan sistem manual dalam mengelola saldo, sehingga rentan terhadap kesalahan dan inefisiensi. Penelitian ini bertujuan untuk meramalkan kebutuhan saldo harian menggunakan algoritma Long Short-Term Memory (LSTM) berbasis data time series. Model dibangun dengan dua lapisan LSTM bertingkat dan satu lapisan output, serta diuji melalui beberapa konfigurasi neuron dan epoch. Hasil pengujian menunjukkan bahwa LSTM mampu mengenali pola tren saldo dengan cukup baik, khususnya pada produk dengan fluktuasi moderat seperti pulsa. Konfigurasi terbaik memberikan nilai evaluasi akurasi yang paling rendah, menunjukkan potensi LSTM dalam membantu pengambilan keputusan pengelolaan saldo secara prediktif. Hasil penelitian ini penting untuk meningkatkan efisiensi operasional dan kualitas layanan K_One Top Up melalui sistem peramalan yang andal.
Penerapan Regular Expression dan Cosine Similarity pada Uji Kemiripan Kalimat Bahasa Indonesia Musta'in, Ahmad Dzaky Hafidz; Ardi Sanjaya; Ahmad Bagus Setiawan
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/fq3vhb08

Abstract

Penelitian ini membahas sistem analisis kemiripan kalimat menggunakan metode cosine similarity dengan fokus pada optimasi tahap pra-pemrosesan. Masalah utama yang diangkat adalah kebutuhan untuk mengenali pola angka Romawi dalam teks yang sering muncul dalam penamaan kelas atau bab dokumen. Metode yang digunakan melibatkan proses case folding, tokenizing, filtering, stemming, serta penggunaan regular expression untuk mendeteksi angka Romawi. Hasil pengujian menunjukkan sistem berhasil mengonversi angka Romawi dengan akurat. Namun, ditemukan kelemahan dalam konteks linguistik, seperti kesalahan interpretasi huruf pada nama khas daerah yang menyerupai pola angka Romawi. Hal ini menunjukkan perlunya integrasi pendekatan berbasis konteks untuk meningkatkan akurasi sistem. Untuk pengembangan lebih lanjut, disarankan penggunaan metode pembobotan tambahan atau pendekatan berbasis BERT guna meningkatkan pemahaman semantik kalimat.
Deteksi Gerakan Servis Bulutangkis Menggunakan Metode K-Nearest Neighbors (KNN) Berbasis Komputer Vision Legaspie Aura Sindhikara; Sanjaya, Ardi; Setiawan, Ahmad Bagus
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/ygyvja37

Abstract

Penelitian ini bertujuan mengembangkan sistem untuk mendeteksi gerakan servis dalam olahraga bulutangkis dengan memakai metode penglihatan komputer dan klasifikasi K-Nearest Neighbors (KNN). Pemilihan tema ini didasari oleh signifikansi analisis gerakan dalam meningkatkan kinerja atlet serta mendukung program pelatihan yang efisien. Servis yang tepat adalah aspek penting dalam bulutangkis. Metodologi penelitian mencakup pengumpulan data video, pengambilan fitur titik kunci tubuh dengan menggunakan kerangka kerja computer vision seperti MediaPipe, dan selanjutnya, penerapan metode K-Nearest Neighbors (KNN) untuk mengklasifikasikan fase-fase gerakan servis berdasar data titik kunci yang dihasilkan. Temuan penelitian mengindikasikan bahwa sistem dapat mengenali dan mendeteksi fase-fase utama dalam gerakan servis bulutangkis dengan ketepatan yang baik menggunakan klasifikasi KNN. Data titik kunci yang dihasilkan dalam format CSV memudahkan proses pelatihan dan pengujian model KNN. Melalui sistem ini, pelatih dan atlet dapat mendapatkan umpan balik yang terukur dan objektif tentang teknik servis, sehingga dapat meningkatkan latihan dan mencapai kemajuan kinerja yang signifikan dalam olahraga bulutangkis.
Integrasi Deep Reinforcement Learning untuk Pengendalian Musuh yang Dinamis pada Game Action RPG Yaqin, Muhammad Ainul; Widodo, Danang Wahyu; Sanjaya, Ardi
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: 10.29407/19tm0m83

Abstract

Perilaku musuh dalam game sering kali dibangun menggunakan pola statis yang sulit beradaptasi dengan pemain, sehingga menurunkan tantangan dan daya tarik permainan. Penelitian ini mengembangkan sistem kecerdasan buatan (AI) musuh pada game 3D menggunakan pendekatan Deep Reinforcement Learning (DRL) yang terintegrasi dengan Godot Engine. Sistem ini memungkinkan musuh mengambil keputusan secara adaptif berdasarkan situasi permainan. Jika sistem DRL tidak tersedia, musuh tetap dapat beraksi menggunakan logika konvensional yang telah diprogram. Evaluasi menunjukkan bahwa musuh berbasis DRL memperoleh cumulative reward lebih tinggi dan perilaku yang lebih variatif dibandingkan AI berbasis aturan tetap.
Co-Authors Abadi, Rachmad Adrian Jala Putra Mahardika Ahmad Bagus Setiawan Ainul Yaqin Al Fitroh, Diky Tri Cahyo Anandra, Yayan Anggelin, Ariska Fitria Anwarruddin, Muhammad Tri Aprilliwanto, Rino Ekta Aprillyano, Rio Arisandi, Adi Aritomatika, Eureka Jeremy Aryaputra, Adis Prima Asmoro, Shandy Sadewa Asrori, Andre Gus Bagus Nugraha, Bagus Bambang Wijanarko Bima, Fahrezian Arya Danang Wahyu Widodo Danar Putra Pamungkas, Danar Putra Darmawan, Reza Dhian Dwi Nur Wenda, Dhian Dwi Nur Erlina Nasrinatun Ni’mah Erwanto, Elga Asfa Fajar Teguh Wicaksono Ferari, M. Feryan Ivanda Fernando, Achmad Youngy Fery Setiawan Hamid, Ridho Nur Hidayat, Farouk Ryan Intan Nur Farida Irfan Fauzi Juli Sulaksono Julian Sahertian Kayan, Arwienda Khotmuniza, Muzan Ihda Kurniawan, Candra Mega Adi Legaspie Aura Sindhikara Mahawuni, Kandhia Winggar Mahdiyah, Umi Maulana, Arfan Mealdi Arwintoro Melati, Laurenza Aprilya Mudjiono, Stifen Zuro Muhaimin, Agus Mukhlis, Moh. Khoirul Mulya, Leon Prasetya Munir, Muhamad Misbahul Musta'in, Ahmad Dzaky Hafidz Musthofa Ilmi Muttaqin, Imam Nur Muzaki, Anwar N, Ratih Kumalasari N.S.A, M Mukhlish Nareswara, Wanda Nugroho, Nureka Agung NUR LAILIYAH Nuraissa, Alief Fakhrul Rachmad Nurhidayat, Taufiq Nurkholis, Eko Ohny, Abrham Galatiano Okta Kurniawan Adi, Azanda Oktamar, Yopy Aldo Pandie, Risky Vridel Eduard Patmi Kasih Pramudita, Yosua Yonnas Prasetyo, Aprisa Risky Prayogo , Yogi Suryo Putra, Ilham Permana Putra, Joelyan Vicky Purnama R, Muchamad Gilang Nauri Rafi, Reno Rana Raharjo, Yulianto Dwi Ramadhani, Riski Aswi Ramadyanta, Aditya Nur Ratih Kumalasari Niswatin Rendy Wahyudi Resty Wulaningrum Resty Wulanningrum Rezaldy, Donni Risa Helilintar Risaniatin Ningsih Risky Aswi R, Risky Rohman, Ahmad Andi Fatkhur Sahertian , Julian Samsudin Samsudin Sempu Dwi Sasongko Setiawan, Akbar Fastio Hari Setyawan, Salsabilla Atasyaputri Sholih, Faris Ashofi Sholih, Faris Ashofi Sidqika, Trinanda Majid Cipta Siti Alvi Nikmah suara, Andy Suhertian, Julian Tambahani, Arthur Glenn Trinurais, Mochamad Yuda Triosaputra, Johan Rizky Uddin, Moh. Fuad Vivi Ratnawati Wahid, Qoni’ Abdul Wahyu Cahyo Utomo wasis himawanto, wasis Wibowo, Ridho Kuncoro Adji Widi Wulansari, Widi Wijaya, Dedy Surya Wijaya, Miko Maulana Yoggyanto, Ary Yulingga Nanda Hanief Zakaria, Reyno Yusuf