Article Per Year (5 Year)
p-Index From 2021 - 2026
9.217
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 : 100 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 100 Documents
Search

 1   2   3   4   5 
Analisis Pemilihan Calon Peserta OSN Menggunakan Metode SAW dan ROC Dhavis Alvi Chandra; Ahmad Bagus Setiawan; Rony Heri Irawan
JOINTECS (Journal of Information Technology and Computer Science) Vol 8, No 2 (2024)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v8i2.6048

Abstract

Olimpiade Sains Nasional (OSN) merupakan ajang bergengsi bagi siswa di Indonesia untuk mengasah kemampuan di bidang sains. Penelitian ini bertujuan untuk membantu guru dalam menyeleksi calon peserta OSN secara objektif dan efisien. Sistem ini mengimplementasikan metode Simple Additive Weighting (SAW) untuk pemrosesan nilai siswa berdasarkan kriteria nilai tes, rata-rata nilai rapor, nilai sikap, pengalaman mengikuti OSN, dan absensi. Sedangkan, pembobotan Rank Order Centroid (ROC) digunakan untuk menghitung peringkat relatif calon peserta OSN berdasarkan kriteria tertentu. Data sampel lima siswa kelas 10 tahun pelajaran 2023/2024 digunakan untuk pengujian sistem. Hasil pengujian menunjukkan kesesuaian antara perhitungan manual dan komputasi dalam penentuan nilai akhir siswa. Sistem ini mampu memberikan peringkat rekomendasi calon peserta OSN secara otomatis, mengurangi subjektivitas seleksi manual. Hasil penelitian ini berupa nilai akhir dan ranking sebagai rekomendasi guru dalam memilih siswa untuk mewakili sekolah dalam ajang Olimpiade Sains Nasional (OSN) dengan nilai tertingi yaitu 0,99. Hasil akurasi yang didapat dalam pemilihan calon peserta OSN menggunakan metode SAW dan pembobotan ROC dihasilkan nilai akurasi sebesar 99,07%.
Analisis Optimasi Kualitas Jaringan Internet Service Provider melalui Pengujian Kecepatan Internet Berbasis Crowdsourcing Deni Wahyu Trisdianto; Ahmad Bagus Setiawan; Danar Putra Pamungkas
JOINTECS (Journal of Information Technology and Computer Science) Vol 8, No 2 (2024)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v8i2.6053

Abstract

Kemajuan pesat dalam teknologi informasi dan telekomunikasi telah meningkatkan pentingnya akses internet yang andal dalam kehidupan sehari-hari. Namun, banyak pelanggan menghadapi ketidakpastian mengenai kecepatan akses jaringan yang diberikan oleh penyedia layanan internet (ISP). Penelitian ini bertujuan untuk mengembangkan aplikasi pengujian kecepatan akses jaringan berbasis crowdsourcing untuk membantu pelanggan memperoleh data objektif dan transparan mengenai kualitas layanan internet pelanggan. Penelitian ini menggunakan metode yang mencakup studi literatur, pengembangan aplikasi, pengumpulan data, analisis data, dan verifikasi. Aplikasi yang dikembangkan menggunakan bahasa pemrograman Python dan difokuskan pada parameter pengukuran kualitas layanan internet seperti bandwidth, kekuatan sinyal, delay,  dan kehilangan paket. Data dari pengukuran ini dikumpulkan secara real-time melalui kontribusi pengguna dan dianalisis untuk memberikan rekomendasi ISP terbaik berdasarkan hasil pengujian. Hasil penelitian menunjukkan bahwa Biznet memiliki kecepatan unduh tertinggi dengan rata-rata 73.33 Mbps dan kecepatan unggah 71 Mbps, sementara First Media menunjukkan kecepatan unduh 45 Mbps dan kecepatan unggah 43 Mbps. Indihome mencatat kecepatan unduh 38 Mbps dan kecepatan unggah 27.66 Mbps. Kesimpulan utama dari penelitian ini adalah bahwa aplikasi pengujian kecepatan akses jaringan berbasis crowdsourcing dapat membantu pelanggan membuat keputusan yang lebih baik dalam memilih ISP, sekaligus memberikan alat yang berguna bagi ISP untuk meningkatkan kualitas layanan pelanggan.
Pemanfaatan Metode K-Means Dalam Klasifikasi Waktu Citra Pantai di Kawasan Jalan Jalur Lintas Selatan Hidayah, Alvi Nurul; Wulanningrum, Resty; Setiawan, Ahmad Bagus
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 1 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i1.4873

Abstract

Pariwisata memiliki potensi besar bagi perekonomian daerah. Kabupaten Tulungagung, Jawa Timur, terkenal dengan pantainya yang menakjubkan. Penelitian ini menggunakan DCSD dan K-Means untuk mengklasifikasikan gambar pantai berdasarkan waktu pengambilan. Metode ini membantu pengunjung memilih waktu terbaik untuk berwisata dan meningkatkan keterampilan fotografi mereka. Prosesnya meliputi pengambilan gambar, resizing, ekstraksi fitur warna dominan, dan pengelompokan dengan K-Means. Temuan menyoroti potensi fitur warna dominan sebagai indikator klasifikasi waktu hari pada gambar pantai. Penelitian ini memberikan wawasan baru bagi pariwisata Tulungagung dan menunjukkan potensi metode DCSD dan K-Means dalam klasifikasi citra. Hasilnya menunjukkan bahwa metode ini dapat mengelompokkan gambar ke dalam pagi, siang, dan sore dengan akurasi kebenaran masing-masing 50.00% kategori pagi dan 100.00% kategori sore. hasil akurasi ini di pengaruhi oleh warna dominant
Identifikasi Jenis Burung Menggunakan Yolo8 Berbasis Web Streamlit Iswoyo, Yodhi Pratama; Wulanningrum, Resty; Setiawan, Ahmad Bagus
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 1 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i1.4902

Abstract

Burung adalah makhluk bertulang belakang yang penting untuk konservasi, namun metode identifikasinya sering lambat dan tidak akurat. Teknologi pengolahan citra dan kecerdasan buatan, seperti algoritma YOLO (You Only Look Once), meningkatkan deteksi burung secara real-time. Sistem ini mendeteksi lima jenis burung umum di Indonesia: Murai Batu, Kenari, Branjangan, Pentet, dan Jalak Bali. Deteksi citra burung menggunakan YOLO membantu orang awam mengenali jenis burung. Penelitian ini mengembangkan model deteksi burung dengan Streamlit untuk input gambar, menggunakan dataset dari Kaggle dan foto pribadi. Hasil model YOLOv8 dilatih dan diuji dengan citra baru, mampu mendeteksi jenis burung dengan cukup baik.
Performa Machine Learning Terhadap Analisis Sentimen Pemilu 2024 Melalui Media Digital Arifin, Miranda Putri; Mahdiyah, Umi; Setiawan, Ahmad Bagus
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 1 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i1.4903

Abstract

Pemanfaatan media sosial untuk kepentingan publik sudah banyak digunakan, salah satunya untuk kampanye pemilu presiden 2024. Analisis sentimen bertujuan untuk komputasi kalimat opini berupa teks dari media aplikasi twitter. Dengan menggunakan proses bantuan machine learning didapatkan data crawling yang kemudian diolah dengan teks preprocessing yaitu cleaning, case folding, normalization, stopword remover, tokenization, dan stemming yang kemudian dilanjutkan ke tahap training dan testing kemudian evaluasi dengan Support Vector Machine (SVM). Hasil akhir evaluasi yang didapatkan dengan pemrosesan 50 data dan 100 data dimana perolehan 80% untuk hasil akurasi 50 data sedangkan 70% untuk hasil akurasi 100 data. Hasil yang berbeda ini membuktikan bahwa jumlah banyaknya data dan pemrosesan yang maksimal atau belum maksimal mempengaruhi perolehan hasil yang didapat.
Evaluasi Kinerja Guru dengan Menggunakan Metode MOORA pada Sistem Pendukung Keputusan Sanubari, Prima; Setiawan, Ahmad Bagus; Irawan, Rony Heri
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 1 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i1.4951

Abstract

Kinerja guru dalam konteks aktivitas belajar mengajar memiliki dampak yang signifikan terhadap siswa, baik dari segi kualitas maupun kuantitas pembelajaran. Penelitian ini bertujuan untuk mengevaluasi kinerja guru dengan fokus pada aspek kehadiran, kemampuan mengajar, profesionalisme, serta kepribadian dan sosial. Metode Multi-Objective Optimization by Ratio Analysis (MOORA) digunakan untuk menilai kinerja guru dalam kegiatan belajar mengajar. Proses evaluasi melibatkan normalisasi, normalisasi terbobot, dan penentuan nilai yi, yang menghasilkan peringkat kinerja. Validasi menggunakan Content Validity Ratio (CVR) menunjukkan hasil valid dengan skor 0.800 (80%), sementara Content Validity Index (CVI) mencapai 0.900 (90%), mengonfirmasi keefektifan solusi evaluasi kinerja guru dalam mengatasi masalah yang ada. Sistem pendukung keputusan ini diharapkan dapat memberikan motivasi dan meningkatkan kinerja guru dalam aktivitas belajar mengajar.
Rancang Bangun Sistem Deteksi Manusia dengan YOLO pada video CCTV Muhamad Yusup Efendi; Resty Wulanningrum; Ahmad Bagus Setiawan
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 2 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i2.5050

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem deteksi objek manusia berbasis computer vision pada CCTV untuk meningkatkan efisiensi penyimpanan data. Masalah klasik sistem CCTV konvensional adalah overload penyimpanan akibat rekaman terus-menerus tanpa seleksi. Solusi yang ditawarkan adalah menerapkan algoritma deteksi objek manusia menggunakan YOLO (You Only Look Once) untuk mengoptimalkan penyimpanan dengan hanya merekam saat ada kehadiran manusia.Penelitian ini menggunakan dataset berupa 775 gambar orang dari Roboflow, di mana setiap gambar dilengkapi dengan label kotak di sekitar objek manusia. Proses pelatihan model dilakukan menggunakan algoritma YOLO versi 8 dengan arsitektur YOLOv8m-seg. Hasil pengujian menggunakan 15 sampel gambar menunjukkan bahwa model dapat mendeteksi semua objek manusia dengan akurasi 100%.Meskipun hasil ini sangat baik, perlu dilakukan pengujian lebih lanjut dengan jumlah sampel yang lebih besar untuk mengevaluasi kinerja model secara menyeluruh. Penelitian ini memberikan kontribusi dalam memecahkan masalah klasik penyimpanan CCTV dengan memanfaatkan teknologi deteksi objek manusia berbasis computer vision.
Penerapan Segmentasi Wajah Menggunakan YOLOv8 Untuk Presensi Mata Kuliah Zakaria, Reza Naim; Wulanningrum, Resty; Setiawan, Ahmad Bagus
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 3 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/6t45ky68

Abstract

Penelitian ini mengembangkan penerapan segmentasi wajah menggunakan YOLOv8 untuk presensi mata kuliah. Dengan menggunakan algoritma YOLO, dapat mendeteksi wajah secara real-time. Sistem ini mendeteksi wajah dari mahasiswa yang akan digunakan untuk melakukan presensi. Hal ini dapat meningkatkan efisiensi dan memberikan kemudahan dalam hal presensi. Penelitian ini mengembangkan model deteksi dengan menggunakan Roboflow untuk preprocessing. Kemudian model dilatih dan di uji dengan menggunakan epoch sebanyak 100. Dari model YOLOv8 tersebut memberikan hasil deteksi yang cukup baik dan akurat. Hasil pengujian menunjukkan bahwa model deteksi wajah YOLOv8 memiliki kinerja yang baik, dengan precision dan recall yang tinggi untuk setiap kelas yang diuji. Mean Average Precision (mAP) pada threshold 50% untuk semua kelas mencapai 0.995, menunjukkan bahwa model ini hampir sempurna dalam mendeteksi dan mengklasifikasikan wajah
Implementasi Metode Convolutional Neural Network (CNN) Untuk Klasifikasi Penyakit Teh di PT Perkebunan Nusantara XII Sirah Kencong Anaga, Galang Kurnia; Mahdiyah, Umi; Setiawan, Ahmad Bagus
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 3 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/c40jb588

Abstract

Teh adalah tanaman perdu yang dapat tumbuh dengan tinggi sekitar 1-2 meter. Indonesia merupakan eksportir teh terbanyak ke enam di dunia. Namun dalam kurun waktu 2005-2021 jumlah ekspor teh dari indonesia mengalami penurunan. Salah satu faktor penurunan daun teh adalah kualitas daun teh. Kulaitas daun teh dipengaruhi oleh kesehatan pada daun teh itu sendiri. Pada tanaman teh terdapat dua jenis penyakit yang sering ditemui pada daun teh yaitu cacar daun dan hawar daun. Saat ini deteksi penyakit masih dilakukan secara manual. Convolutinal Neural Network (CNN) merupakan salah satu implementasi dari Deep Learning yang digunakan untuk pemrosesan citra digital. Penelitian ini bertujuan untuk mengimplementasikan arsitektur NASnet Mobile yang ada pada CNN untuk mendeteksi penyakit yang menyerang daun teh. Penerapan CNN dengan dengan arsitektur NASNet Mobile ini memiliki akurasi terbaik pada epoch 20 dan learning-rate 0.001 dengan akurasi 100%, validasi 72% dan test 100%.
Implementasi Convolutional Neural Network Pada Deteksi Tumor Otak Arsyad, Nandito Pramudya; Wulanningrum, Resty; Setiawan, Ahmad Bagus
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 3 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/ejxhtg06

Abstract

Tumor otak adalah pertumbuhan abnormal sel di otak yang dapat mengganggu fungsi vital sistem saraf pusat, dan bisa bersifat jinak atau ganas, berbeda dari tumor di area lain. Saat ini, deteksi tumor otak masih dilakukan secara manual oleh radiolog atau dokter, sehingga pasien tidak mengetahui tingkat akurasi deteksi tersebut. Penerapan Convolutional Neural Network (CNN) untuk mendeteksi tumor otak dari gambar MRI diharapkan dapat membantu, dengan akurasi sekitar 90%. Solusi ini diharapkan dapat membantu tenaga medis mendeteksi tumor otak dengan lebih cepat dan akurat
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 Dyansyah, Kevin Ragil Krisna Efendy, Wahyu 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 Iswoyo, Yodhi Pratama Izzuddin, Ahmad Rafi' Jauhari, Nur Mohamad Iqbal Juli Sulaksono Julian Sahertian Kibtiyah, Nur Lailatul Kristanto, Deni Kumalasari, Ratih 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 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