Article Per Year (5 Year)
p-Index From 2021 - 2026
10.184
P-Index
This Author published in this journals
All Journal Prosiding SNATIKA Vol 01 (2011) Nusantara of Research : Jurnal Hasil-hasil penelitian Universitas Nusantara PGRI Kediri (e-journal) Nusanatara of Engineering Jurnal Teknologi Informasi dan Ilmu Komputer Journal of Information Technology and Computer Science (JOINTECS) Network Engineering Research Operation [NERO] Efektor Generation Journal JITU : Journal Informatic Technology And Communication JAMI: Jurnal Ahli Muda Indonesia Joutica : Journal of Informatic Unisla Jurnal Algoritma Nusantara of Engineering (NOE) Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Jurnal Pengabdian Masyarakat Nusantara Paradigma: Jurnal Filsafat, Sains, Teknologi, dan Sosial Budaya
Ahmad Bagus Setiawan
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities 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 Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Social Sciences Transportation

Published : 105 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 105 Documents
Search

 7   8   9   10   11 
Perbandingan Algoritma LSTM dan ARIMA untuk Prediksi Jumlah Pengunjung Museum Airlangga Kota Kediri Firnanda Putra Agustinus; Ahmad Bagus Setiawan; Firnanda Putra
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/8gt0cc74

Abstract

Museum Airlangga Kota Kediri masih menggunakan pencatatan jumlah pengunjung secara manual sehingga data kunjungan yang tersedia belum dapat dimanfaatkan secara optimal untuk mendukung pengambilan keputusan. Penelitian ini bertujuan untuk membandingkan performa algoritma Autoregressive Integrated Moving Average (ARIMA) dan Long Short-Term Memory (LSTM) dalam memprediksi jumlah pengunjung museum berdasarkan data historis kunjungan periode Januari 2024 hingga Maret 2026. Tahapan penelitian meliputi preprocessing data, pembangunan model, pengujian, dan evaluasi menggunakan Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa model ARIMA memperoleh nilai MAE sebesar 3.6730, RMSE sebesar 6.9843, dan MAPE sebesar 247.5704%, sedangkan model LSTM memperoleh nilai MAE sebesar 2.9242, RMSE sebesar 7.1169, dan MAPE sebesar 155.2355%. Meskipun nilai RMSE ARIMA sedikit lebih rendah, model LSTM menghasilkan nilai MAE dan MAPE yang lebih baik sehingga secara keseluruhan memiliki performa prediksi yang lebih unggul. Hasil penelitian ini menunjukkan bahwa metode LSTM lebih efektif dalam memprediksi jumlah pengunjung museum yang memiliki pola data dinamis dan fluktuatif.
Penerapan Long Short-Term Memory Untuk Analisis Sentimen Ulasan Aplikasi Cryptocurrency Exchange Indonesia Dwijananda Galih Prameswara; Ahmad Bagus Setiawan; Intan Nur Farida
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/82zx9d63

Abstract

Cryptocurrency exchange merupakan platform digital yang banyak digunakan untuk melakukan transaksi aset kripto. Banyaknya ulasan pengguna pada Google Play Store dan Apple App Store menyulitkan proses analisis secara manual sehingga diperlukan metode analisis sentimen otomatis. Penelitian ini bertujuan menganalisis sentimen ulasan pengguna lima aplikasi cryptocurrency exchange di Indonesia, yaitu Pintu, Tokocrypto, Indodax, Ajaib, dan Reku. Metode yang digunakan adalah Long Short-Term Memory (LSTM) dengan word embedding FastText. Dataset penelitian terdiri dari 27.500 ulasan yang diperoleh melalui web scraping dan API. Tahapan penelitian meliputi preprocessing data, pelatihan model, dan evaluasi menggunakan confusion matrix serta classification report. Hasil pengujian menunjukkan model memperoleh akurasi sebesar 86%. Analisis sentimen menunjukkan bahwa Indodax memperoleh sentimen positif tertinggi secara keseluruhan sebesar 89,58%, sedangkan Tokocrypto unggul pada kategori Trading dan Lainnya. Hasil penelitian dapat digunakan sebagai bahan evaluasi bagi pengembang aplikasi dan referensi bagi pengguna dalam memilih cryptocurrency exchange.
Perancangan Sistem Digitalisasi Cashflow Usaha Tebu Berbasis Website Kurnia Arisandy Zakaria; Ahmad Bagus Setiawan; Intan Nur Farida
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/3je3w866

Abstract

Usaha budidaya tebu memerlukan pengelolaan keuangan yang baik karena melibatkan berbagai transaksi selama satu musim tanam. Namun, pencatatan yang masih dilakukan secara manual sering menimbulkan kesalahan pencatatan, kehilangan data, dan kesulitan dalam memantau arus kas. Penelitian ini bertujuan merancang dan membangun Sistem Digitalisasi Cashflow Usaha Tebu berbasis website untuk membantu pengelolaan pemasukan dan pengeluaran secara lebih efektif. Sistem dikembangkan menggunakan metode Prototype yang meliputi pengumpulan kebutuhan, pembuatan prototype, evaluasi, perbaikan, implementasi, dan pengujian sistem. Sistem menyediakan fitur pencatatan transaksi, pengelolaan musim tanam, dashboard, laporan cashflow, dan analisis arus kas. Selain itu, sistem menerapkan metode akrual pada pencatatan transaksi dan metode Full Costing sebagai fitur pendukung perhitungan biaya produksi. Hasil penelitian menunjukkan bahwa sistem mampu meningkatkan efisiensi pengelolaan data keuangan, mengurangi kesalahan pencatatan, serta membantu pengguna dalam memantau kondisi keuangan usaha secara lebih cepat dan terstruktur.
Pengenalan Sekuens Kata Aksara Jawa Tanpa Segmentasi Menggunakan Arsitektur CRNN dan CTC Moch. Saefudin Yuhri; Ahmad Bagus Setiawan; Intan Nur Faridha
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/trcqtt87

Abstract

Terdapat penurunan kemampuan masyarakat dalam membaca Aksara Jawa, yang sebagian besar disebabkan oleh kompleksitas aturan penulisan Sandhangan dan Pasangan yang posisinya dapat bertumpuk secara vertikal. Metode Optical Character Recognition (OCR) konvensional yang berbasis segmentasi karakter sering mengalami kegagalan karena pemotongan karakter justru merusak informasi visual dari aksara yang bertumpuk. Penelitian ini mengusulkan pendekatan segmentation-free menggunakan arsitektur Convolutional Recurrent Neural Network (CRNN) yang dipadukan dengan Connectionist Temporal Classification (CTC) Loss. Model dilatih menggunakan lebih dari 15.000 citra dataset sintetis kata Aksara Jawa yang telah melalui proses augmentasi. Hasil pengujian dievaluasi menggunakan metrik Character Error Rate (CER) dan Word Error Rate (WER) berdasarkan jarak Levenshtein. Penelitian ini membuktikan bahwa pendekatan pengenalan sekuens kata secara utuh mampu menerjemahkan Aksara Jawa dengan tingkat akurasi karakter mencapai 99,71%, sehingga dapat menjadi solusi digitalisasi aksara tradisional yang efektif.
Evaluasi Sentence-BERT pada Arsitektur Hybrid Chatbot ISP untuk Penanganan Out-of-Vocabulary Ivan Yusuf Sholy Khudin; Ahmad Bagus Setiawan
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/94d19c11

Abstract

Pendekatan rule-based pada chatbot layanan pelanggan sering kali gagal mengenali maksud pengguna ketika terdapat kesalahan ketik atau kata di luar kosakata sistem (Out-of-Vocabulary/OOV). Penelitian ini berfokus mengevaluasi kinerja model Sentence-BERT (SBERT) sebagai solusi penanganan OOV pada chatbot keluhan jaringan internet. Berbeda dengan pengembangan sistem chatbot secara utuh, penelitian ini mengisolasi pengujian khusus pada 300 dataset kalimat pelanggan yang tidak baku dan mengandung ambiguitas. Kalimat uji diproses menggunakan SBERT untuk mengekstraksi representasi semantik dan diklasifikasikan ke dalam intent spesifik. Hasil evaluasi menunjukkan model mampu mengidentifikasi intent dengan akurasi yang lebih baik dibandingkan pencocokan kata kunci konvensional, meskipun dengan kompensasi waktu komputasi yang sedikit meningkat pada sisi server. Kesimpulannya, implementasi SBERT efektif bertindak sebagai lapisan koreksi otomatis untuk meminimalisir kegagalan respons chatbot akibat variasi bahasa natural pelanggan.
Co-Authors Abadi, Rachmad Abdul Azis Agita, Galuh Aprilia Putri Ahmad Mudofar Yusuf Anaga, Galang Kurnia Anggelin, Ariska Fitria Aprilia, Tri Krisna Wati Ardi Sanjaya Arifin, Miranda Putri Armadananto, Adam Cahya Arrizal, Ahmad Firsta Rizky Arsyad, Nandito Pramudya Awalina, Salma Putri Aziema, Alfin Azis, Bahrul Satria Azmi, Muhamad Ulul Cahyo, Galih Nur Cahyono, Eko Nur Danang Wahyu Widodo Danar Putra Pamungkas, Danar Putra Davin Zainur Robert Deni Wahyu Trisdianto Dhavis Alvi Chandra Dusea Widyadara, Made Ayu Dwi Akbar, Mohamad Anjas Dwijananda Galih Prameswara Dyansyah, Kevin Ragil Krisna Efendy, Wahyu Firnanda Putra Firnanda Putra Agustinus Fu'adi, Muhammad Haika, Dwi Fikri Hariadi, Septian Hermawan, Dody Ryo Hidayah, Alvi Nurul Hidayat, Dwi Nur Hidayatullah, Sadam Ignatius Juan Hartantiko Imam Wicaksono Intan Nur Farida Intan Nur Faridha Iswoyo, Yodhi Pratama Ivan Yusuf Sholy Khudin Izzuddin, Ahmad Rafi' Jauhari, Nur Mohamad Iqbal Juli Sulaksono Julian Sahertian Kibtiyah, Nur Lailatul Kristanto, Deni Kumalasari, Ratih Kurnia Arisandy Zakaria Legaspie Aura Sindhikara M. Bahrul Subkhi Made Ayu Dusea Widyadara - Universitas Nusantara Kediri, Made Ayu Dusea Widyadara Mahardika, Tanggon Maulana Mahawuni, Kandhia Winggar Mahdiyah, Umi Moch. Saefudin Yuhri Mochamad Yusuf Alif Candra Muh Aris Saputra Muhaimin, Agus Muhamad Yusup Efendi Musta'in, Ahmad Dzaky Hafidz Muzaki, Anwar Niska Shofia, Niska Niswatin , Ratih Kumalasari Nugroho, Elizer Eki Wigus Nurfiah, Nina Wahyu Nurhidayati, Yuly Nurkholis, Eko Okta Kurniawan Adi, Azanda Oktavianti, Adelya Crystina Patmi Kasih Pradipta, M.Herma Prameswari, Dwieka Permata Pramoedya, Muhammad Firmandani Prasetyo, Aprisa Risky Prayogo, Tansen Aji Prianggara, Ferdian Wahyu Putra, Adam Maulana Khabibillah Ashari Putra, Fajar Wahyuardha Putri Arindi, Delia Virna Quluby, I Burhan Rahman, Dedi Arif Ramadhanu, Ilham Khefi Ratih Kumala Sari, Ratih Kumala Ratih Kumalasari Niswatin Resty Wulanningrum Risa Helilintar Risky Aswi R, Risky Rizky Arrizal, Ahmad Firsta Rohmah, Anis Nur Rony Heri Irawan Sanubari, Prima Sari, Citra Anggreini Mayang Satmalra, Thea Setiawan, Bayu Mahendra Sugianto, Hanania Oki Kurnia Syafroni, Mochamad Tani , Ani Asmawati Taufiqurrahman Taufiqurrahman Ubaydillah, Muhammad W, Danang Wahyu Wahyu Cahyo Utomo Wahyu Rusmiati Wakhid, Achmad Choirun Nasrukhin Wardani, Evi Wijaya, Fredi Yuningsih, Yayuk Yuprastiwi, Yessy Zakaria, Reza Naim Zamzami, Edwin Zamzami, Khanafi Suduri