Article Per Year (5 Year)
p-Index From 2021 - 2026
6.805
P-Index
This Author published in this journals
All Journal TELKOMNIKA (Telecommunication Computing Electronics and Control) Journal of Information Technology and Computer Science (JOINTECS) Network Engineering Research Operation [NERO] Jurnal Sains dan Informatika Generation Journal Joutica : Journal of Informatic Unisla Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) NERO (Networking Engineering Research Operation) Jurnal Pengabdian Masyarakat Nusantara JISCOMP (Journal of Information System and Computer)
Julian Sahertian
Universitas Nusantara PGRI Kediri
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Transportation

Published : 75 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 75 Documents
Search

 4   5   6   7   8 
Identifikasi Kemekaran Bunga Mawar Merah Menggunakan CNN dengan Pendekatan Segmentasi Thresholding dan Deteksi Tepi Sobel Natasha, Sonya; Wulanningrum, Resty; Sahertian, Julian
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/swrhb043

Abstract

Bunga mawar merah memiliki tiga tahap utama dalam proses mekarnya, yaitu kuncup, setengah mekar, dan mekar penuh. Proses klasifikasi tahap kemekaran secara manual dinilai kurang efisien, bersifat subjektif, serta rawan kesalahan, terlebih ketika diterapkan dalam jumlah besar untuk tujuan industri atau penelitian. Oleh karena itu, diperlukan sistem klasifikasi otomatis yang akurat dan konsisten. Penelitian ini bertujuan untuk merancang sistem klasifikasi citra bunga mawar merah berdasarkan tingkat mekarnya menggunakan metode Convolutional Neural Network (CNN). Untuk mendukung proses klasifikasi, dilakukan praproses citra seperti normalisasi, pengubahan ukuran ke 150x150 piksel, augmentasi (seperti rotasi, flipping, dan zoom), serta penambahan fitur dari segmentasi thresholding dan deteksi tepi Sobel. Model CNN dilatih untuk mengenali ciri visual dari masing-masing tahapan kemekaran. Hasil pengujian menunjukkan bahwa sistem mampu mengklasifikasikan citra ke dalam tiga kategori dengan akurasi validasi tertinggi sebesar 92,61% pada epoch ke-18 dan ke-20. Kombinasi segmentasi thresholding, deteksi tepi Sobel, dan CNN murni terbukti meningkatkan akurasi klasifikasi citra bunga mawar merah secara signifikan.
Perbandingan Algoritma Djikstra dan Floyd-Warshall Untuk Membuat Data Input TSP Zuhri, Mohamad Farkhan Fahmi; Swanjaya, Daniel; Sahertian, Julian
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: 10.29407/99985543

Abstract

Optimasi rute pada pengiriman air galon sangat penting untuk efisiensi waktu dan biaya di daerah pedesaan seperti Desa Sumberejo. Penelitian ini bertujuan membandingkan kinerja waktu komputasi algoritma Dijkstra yang dijalankan secara iteratif dan Floyd-Warshall dalam menghasilkan matriks waktu tempuh terpendek dan rute antar semua pasangan pelanggan dan depot. Matriks ini ditujukan untuk input algoritma optimasi multi-stop seperti Traveling Salesman Problem (TSP). Studi kasus yang digunakan dalam penelitian ini adalah jaringan jalan riil Desa Sumberejo yang memiliki 62 node jalan dan 125 node target yaitu pelanggan dan depot dengan waktu tempuh sebagai bobot graf yang dihitung berdasarkan kondisi jalan aktual. Hasil pengujian waktu eksekusi  menunjukkan bahwa secara signifikan pendekatan Dijkstra iteratif lebih cepat dibandingkan Floyd-Warshall untuk semua skenario jumlah pelanggan yang diuji. Hasil ini menunjukan bahwa Dijkstra lebih efisien untuk pra-pemrosesan data TSP pada skala jaringan serupa.
Deteksi Malaria Semi-Supervised: Eksplorasi Convolutional Autoencoder dengan SSIM Loss dan Youden J Thresholding Anardha, Danuar Aditya; Wulanningrum, Resty; Sahertian, Julian
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/zq98rv70

Abstract

Sebuah convolutional autoencoder diterapkan dalam kerangka deteksi anomali semi-supervised untuk mengidentifikasi sel darah merah yang terinfeksi malaria. Model dilatih secara eksklusif menggunakan citra sel normal guna menangkap ciri struktural alaminya, sehingga memungkinkan deteksi anomali berdasarkan perbedaan rekonstruksi yang diukur menggunakan Structural Similarity Index Measure (SSIM). Threshold optimal ditentukan melalui analisis ROC dan statistik Youden’s J. Evaluasi pada dataset uji yang seimbang menghasilkan akurasi sebesar 76%, dengan presisi 76,5% dan recall 76%, yang menyoroti tantangan dalam mendeteksi variasi patologis yang halus. Hasil menunjukkan potensi unsupervised representation learning dalam deteksi malaria, sekaligus menyarankan bahwa penelitian di masa depan sebaiknya difokuskan pada peningkatan sensitivitas dan robustnes melalui ekstraksi fitur yang lebih canggih dan teknik hybrid supervised-unsupervised.
Analisis Sistem Deteksi Gerakan Push-up Berbasis Pengolahan Citra untuk Pemantauan Latihan Mandiri Suraju, Ghovin; Sahertian, Julian; Irawan, Rony Heri
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: 10.29407/4zqstz84

Abstract

Latihan fisik, terutama push-up, adalah salah satu jenis olahraga yang efektif untuk mempertahankan kebugaran tubuh. Namun, ketidakadanya panduan yang sesuai sering kali menyebabkan kesalahan dalam melaksanakan gerakan, yang dapat menurunkan efektivitas latihan dan bahkan memicu cedera. Studi ini bertujuan untuk merancang dan mengevaluasi sistem deteksi gerakan push-up yang menggunakan pengolahan citra untuk memantau ketepatan gerakan serta memberikan umpan balik otomatis kepada pengguna. Metode penelitian yang diterapkan adalah eksperimen yang memanfaatkan teknik estimasi pose menggunakan MediaPipe untuk melacak sendi-sendi kunci tubuh saat melakukan gerakan push-up. Data input berupa video latihan push-up yang kemudian diolah untuk menghitung sudut siku dan pinggul sebagai indikator keakuratan gerakan. Hasil tes menunjukkan bahwa sistem dapat mengidentifikasi jumlah push-up yang dilaksanakan serta memberikan perkiraan kalori yang terbuang dengan tingkat keakuratan yang memadai. Sistem ini diharapkan dapat berfungsi sebagai alat bantu yang efisien bagi orang-orang yang ingin berlatih push-up secara independen dengan petunjuk yang lebih jelas.
Klasifikasi Bentuk Wajah Menggunakan Efficientnet-B4 Christofel Wicaksono, John; Julian Sahertian; Rony Heri Irawan
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: 10.29407/7dfa6t91

Abstract

Klasifikasi bentuk wajah merupakan komponen penting dalam sistem rekomendasi produk personalisasi seperti kacamata atau kosmetik. Penelitian ini  bertujuan untuk mengembangkan sistem ini bertujuan untuk mengembangkan sistem klasifikasi bentuk wajah otomatis menggunakan srditektur EffiientNet-B4 dengan pendekatan transfer learning pada framework PyTorch. Dataset yang digunakan terdiri dari lima kelas bentuk wajah yaitu oval, round, heart, square dan oblong, yang diambil dari dataset publik. Model dilatih menggunakan augmentasi data, normalisasi, mixed precision training, dan scheduler learning rate. Hasil evaluasi menunjukan bahwa model berhasil mencapai akurasi validasi sebesar 81% dan F1-score rata-rata yang tinggi pada seluruh kelas. Studi ini menunjukan bahwa arsitektur EfficientNet-B4 efektis digunakan dalam tugas klasifikasi bentuk wajah dan dapat digunakan sebagai dasar untuk sistem rekomendasi sebagai dasar untuk sistem rekomendasi berbasis wajah dimasa depan.
Pengembangan Sistem Kasir Berbasis Suara dengan Fuzzy Matching di Koperasi Harapan Mulya Kediri Ayu Meudea, Prita; Daniel Swanjaya; Julian Sahertian
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/w7mzpf55

Abstract

Sistem pencatatan transaksi manual di koperasi mahasiswa rentan terhadap kesalahan dan tidak efisien. Penelitian ini mengembangkan sistem kasir berbasis pengenalan suara (Automatic Speech Recognition/ASR) yang dipadukan dengan metode fuzzy string matching untuk mengenali nama produk secara lisan. Penelitian dilakukan di Koperasi Harapan Mulya UN PGRI Kediri menggunakan 80 data produk, dengan alat berupa laptop, mikrofon, dan library Python seperti SpeechRecognition, PyAudio, serta RapidFuzz. Hasil pengujian menunjukkan bahwa tingkat akurasi awal ASR hanya 40%, namun meningkat menjadi 86,6% setelah ditambahkan proses pencocokan melalui kamus dan fuzzy match. Sistem ini terbukti dapat mengurangi kesalahan input dan mempercepat proses transaksi. Temuan ini menunjukkan pentingnya pendekatan kombinasi STT dan fuzzy matching dalam lingkungan koperasi yang ramai. Dengan demikian, sistem ini dapat menjadi solusi praktis dan efisien bagi koperasi mahasiswa yang memiliki keterbatasan sumber daya.
PERANCANGAN SISTEM PAKAR SCREENING PENYAKIT MALNUTRISI REMAJA Ahmad Robet Nailul Author; Julian Sahertian; Rony Heri Irawan
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/pgcc5j52

Abstract

Malnutrisi merukapan sebuah kondisi dimana tubuh seseorang mengalami ketidak seimbangan gizi. Remaja menjadi usia yang rentan mengalami malnutrisi akibat pola makan, dan aktivitas yang tidak teratur. Pada setiap status gizinya, keadaan malnutrisi sendiri juga akan membawa berbagai penyakit yang dapat menyerang. Dengan begitu diperlukan sebuah inovasi berupa sistem pakar yang dapat membantu para remaja untuk mendeteksi lebih dini  sebelum melakukan pengecekan kepada dokter. Sistm pakar ini sendiri bekerja berdasarkan gejala-gejala yang sedang dialami oleh pasien. Metode pengambilan keputusan dalam sistem pakar ini menggunakan metode Hybrid Case Base. Penggunaan metode Hybrid Case Base  dipilih karena dapat memberi keputusan terbaik berdasarkan gejala yang dialami oleh pasien dengan mencari nilai similarity pada pasien sebelumnya. Selain itu metode ini juga bekerja berdasarkan rule dari seorang pakar. Hasil akhir dari penelitian ini ialah didapatkan hasil pengukuran similarity sebesar 90% dengan hasil diagnosa pasien berpotensi mengidap hipertensi.
Implementasi Fuzzy Logic pada Prototip Filter Asap Produksi Briket Terintegrasi Internet of Things Mahmudi, Aris; Julian Sahertian; Rony Hery Irawan
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/j8f63f52

Abstract

Proses pembuatan briket menimbulkan berbagai masalah bagi warga sekitar tempat produksi yaitu asap yang berpotensi menimbulkan penyakit ISPA (Infeksi Saluran Pernafasan) dari debu yang terhirup. Dari jelaga yang jatuh juga membuat rumah warga akan sering kotor. Berdasarkan permasalahan tersebut telah dikembangkan prototip guna meminimalisir asap produksi arang batok kelapa dengan metode electrostatic precipitator. Namun prototip tersebut mengalami penurunan performansi jika suhu gas buang tinggi. Sehingga pada penelitian ini menerapkan fuzzy logic untuk menyesuaikan kecepatan kipas yang mengeluarkan gas buang dari dalam prototip. Fuzzy logic yang diterapkan dapat berfungsi sebagai sistem kendali kecepatan kipas dengan sistem kendali tertutup. Hasil pengujian jaringan internet menunjukkan bahwa nilai latency memiliki rentang 280 - 575 ms. Sedangkan pada pengujian throughput memiliki nilai rata-rata yaitu 277942.85 bps atau 277.94 kbps. Sehingga dapat disimpulkan prototip filter asap ini memiliki keandalan yang cukup baik. 
Penerapan MobileNetV2 untuk Klasifikasi Kondisi Buah Alpukat Mentega Amanda, Novia; Wulanningrum, Resty; Sahertian, Julian
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/bp5fen81

Abstract

Persea Americana Mill (Buah Alpukat Mentega) adalah salah satu jenis buah yang disukai dengan ciri khas daging tebal, lembut serta memiliki nilai ekonomi yang tinggi. Kelayakan buah alpukat mentega sangat berdampak pada harga jual dan pendapatan petani. Penyortiran yang dilakukan secara manual oleh petani sering kali tidak akurat sehingga mampu meningkatkan potensi kesalahan klasifikasi serta kerugian bagi para petani. Penelitian ini menggunakan arsitektur dari Convolutional Neural Network (CNN) yaitu MobileNetV2 untuk mengembangkan suatu sistem klasifikasi kelayakan buah alpukat mentega berdasarkan kondisi dan tampilan kulit buah pada citra. Model MobileNetV2 dilatih menggunakan citra alpukat yang telah diproses dan diklasifikasikan ke dalam tiga kelas, yaitu alpukat layak, alpukat busuk dan alpukat hama. Hasil klasifikasi menunjukan akurasi 98% epoch 10 batch size 32. Ini membuktikan bahwa arsitektur MobileNetV2 memiliki potensi tinggi untuk mengklasifikasikan kondisi buah alpukat mentega secara optimal sehingga mampu menekan kerugian petani akibat kesalahan klasifikasi serta dapat meningkatkan efisiensi dan kualitas hasil panen buah alpukat mentega.
Perbandingan Akurasi Klasifikasi Kendaraan Menggunakan Yolov8 Dan Faster R-CNN Rizal, Muhamad Helmi Khoirur; Sahertian, Julian; Irawan, Rony Heri
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/gxcgmr04

Abstract

Deteksi dan klasifikasi kendaraan merupakan tantangn penting dalam bidang visi komputer. Penelitian ini membandingkan dua metode deep learning populer, yaitu YOLOv8 dan Faster R-CNN, dalam hal akurasi klasifikasi kendaraan pada citra. Dataset yang digunakan terdiri dari gambar kendaraan dengan berbagai kelas seperti mobil, motor, truk, bus. Kedua model dievaluasi menggunakan metrik akurasi, presisi, dan mAP (mean Average Precision). Hasil pengujian menunjukan bahwa Faster R-CNN memberikan akurasi yang lebih tinggi dibandingkan YOLOv8 pada seluruh kelas kendaraan yang diuji. Studi ini bertujuan untuk memberikan wawasan mengenai keunggulan YOLOv8 dibandingkan metode two-stage seperti Faster R-CNN dalam konteks klasifikasi objek berbasis gambar
Co-Authors Achmad Iqbal Maulana Adhitia, Riswandha Ahmad Bagus Setiawan Ahmad Robet Nailul Author Alexander, Kevin Rio Amanda, Novia Anandra, Yayan Anardha, Danuar Aditya Anifiatiningrum Anwar, Muhammad Choirul Anwarruddin, Muhammad Tri Aqharabah, Bhisri Hafi Ardi Sanjaya Astutik, Eka Yulia Sri Ayu Meudea, Prita Azmi, Muhamad Ulul BIMA SETIAWAN Cholid Ilham Isniawan Christofel Wicaksono, John Danang Wahyu Widodo Daniel Swanjaya Darmawan, Reza Depi, Alisa Sintiya Diansyah, Alex Rahma Dipa Perwira, Mohammad Askar Doni Abdul Fatah Dusea Widyadara, Made Ayu Erlina Nasrinatun Ni’mah Erwanto, Elga Asfa Fery Setiawan Frans Rega Agista Hari Setiawan Ibnu Al Ikrom Indra Septiawan Intan Nur Farida Irawan, Rony Hery Juli Sulaksono Khotmuniza, Muzan Ihda Kumalasari, Ratih Kurniawan, Candra Mega Adi Kurniawati, Desi Dwi Luluk Indah Safitri Made Ayu Dusea Widyadara - Universitas Nusantara Kediri, Made Ayu Dusea Widyadara Mahdiyah, Umi Mahmudi, Aris Majid, Moh. Lukky Abdul Marjuni, Mohamad Marzuki, Moh. Ismail Maulana, Arfan Moh Imam Yusuf Mustofa Muhammad Vicko Putra Ardiansyah Mulya, Leon Prasetya Mustofa, Arin Ayu Silvyani Muzan Ihda Khotmuniza Natasha, Sonya Niska Shofia, Niska Niswatin , Ratih Kumalasari Novianto, Alfian Dwi Nugroho, Alindro Septo Nur Farida Nurarinda, Terry Anda Putra Nurul Mahpiroh Odhianto, Yosan Pandie, Risky Vridel Eduard Patmi Kasih Pramudita, Yosua Yonnas Prasetyo, Mochammad Bima Pratama Putra, Septiandy Adibya Pratama, Tutus Lusni Raharjo, Yulianto Dwi Ramadhanu, Ilham Khefi Ratih Kumalasari Niswatin Resty Wulanningrum Risa Helilintar Rizakatama, Moh. Rohman Rizal, Muhamad Helmi Khoirur Rohman, Ahmad Andi Fatkhur Rony Heri Irawan Rony Hery Irawan Saiful Akbar Salsabila, Adinda Meylia Santoso, Christa Witta Putra Saputro, Aryo Widodo Satria Bijaksana Satrio Damara, Moch. Deifa Sholahuddin, Muhammad Resandi Subiyantoko, Rizki Suraju, Ghovin Triosaputra, Johan Rizky Umami, M. Rizal Utama, Yoga Putra WAHYU FIRMANSYAH Wahyuniar , Lilia Sinta Wulaningrum, Resty Yahya, Moh. Zakariya Yahya, Nisaa’ Husnia Yuprastiwi, Yessy Zuhri, Mohamad Farkhan Fahmi