Article Per Year (5 Year)
p-Index From 2020 - 2025
8.256
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 Nusantara of Engineering (NOE) Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Jurnal Pengabdian Masyarakat Nusantara
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 : 77 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 77 Documents
Search

 4   5   6   7   8 
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): SEMINAR NASIONAL INOVASI TEKNOLOGI 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): SEMINAR NASIONAL INOVASI TEKNOLOGI 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): SEMINAR NASIONAL INOVASI TEKNOLOGI 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): SEMINAR NASIONAL INOVASI TEKNOLOGI 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar

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): SEMINAR NASIONAL INOVASI TEKNOLOGI 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar

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): SEMINAR NASIONAL INOVASI TEKNOLOGI 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar

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
Sistem Deteksi Kendaraan Menggunakan StreamLit Metode Yolo Jauhari, Nur Mohamad Iqbal; Wulanningrum, Resty; Setiawan, Ahmad Bagus
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 3 (2024): SEMINAR NASIONAL INOVASI TEKNOLOGI 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kemacetan dan kecelakaan dalam berlalu lintas masih menjadi permasalahan yang harus diperhatikan terutama dikota-kota besar yang dimana jalan selalu dipadati oleh berbagai jenis kendaraan yang melintas Dari beberapa kalangan seperti ahli tata kota, pemerintahan, teknisi, dan para peneliti untuk mencari solusi mengenai kemacetan, faktor menunjang keselamatan dalam berkendara yaitu kualitas kendaraan, infrastruktur dan kondisi pengendara, computer vision hadir untuk memundahkan bisa melihat banyaknya kendaraan - kendaraan yang melintas Pada penelitian ini penulis membuat Sistem Deteksi Kendaraan Menggunakan StreamLit Metode Yolo penulis menggunakan dataset sebesar 25 gambar dengan mobil dan truk. Pada hasil penelitian menggunakan framework streamlit dengan metode YOLOV8 dan yang dapat mengenali objek secara konsisten dengan tingkat akurat yang tinggi mendapatkan Model yang dibangun mencapai kinerja dengan nilai mAP50 0.962, dan mAP50-90 0.603. dan Speed: 0.3ms preprocess, 5.9ms inference, 0.0ms loss, 10.4ms postprocess per image. Sistem yang dikembangkan juga memiliki akurasi yang cukup baik dengan skor kepercayaan rata-rata 0.995.
Penerapan Metode Single Exponential Smoothing Pada Toko Sembako Ahmad Mudofar Yusuf; Ahmad Bagus Setiawan; Irawan, Rony Heri
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 3 (2024): SEMINAR NASIONAL INOVASI TEKNOLOGI 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Prediksi penjualan merupakan bagian penting dalam perencanaan bisnis. Penjual toko sembako seringkali kesulitan memprediksi kisaran produk yang akan dijual pada bulan mendatang. Tujuan dari penelitian ini adalah menerapkan metode single exponential smoothing pada perkiraan penjualan produk untuk mengetahui sejauh mana penjualan produk pada periode berikutnya. Dan hasil perhitungan menggunakan metode single exponential smoothing, dan menggunakan nilai alpha 0,1 yaitu untuk gula sebesar 291,2950636 dan untuk mie instan 51 kardus, kemudian minyak 361,25 liter dan kopi 18,72 Kg. Evaluasi menggunakan MAD (Mean Absolute Deviation) dan MAPE (Mean Absolute Percentage Error) menunjukkan nilai untuk mie instan memiliki MAD sebesar 9,9 dan MAPE sebesar 19,9%, minyak memiliki MAD sebesar 82,69 dan MAPE sebesar 30,9%, serta kopi memiliki MAD sebesar 5,27 dan MAPE. 23,6%. Berdasarkan nilai MAD dan MAPE yang diperoleh maka dapat disimpulkan bahwa perkiraan penjualan produk ini tergolong baik.
PENGELOMPOKAN MERK OLI MENGGUNAKAN K-MEANS PADA TOKO SUKA OLI Setiawan, Ahmad Bagus; Pamungkas, Danar Putra; Aprilia, Tri Krisna Wati
JAMI: Jurnal Ahli Muda Indonesia Vol. 4 No. 1 (2023): Juni 2023
Publisher : Akademi Komunitas Negeri Putra Sang Fajar Blitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46510/jami.v4i1.139

Abstract

Objektif. Toko Suka Oli merupakan sebuah stokis yang bergerak dibidang penjualan berbagai merk oli motor yang berlokasi di Kelurahan Sukomoro, Kecamatan Papar, Kabupaten Kediri, Provinsi Jawa Timur. Material and Metode. Dalam penelitian ini menggunakan metode Waterfall dalam pengembangan aplikasi dan metode K-Means dalam pengelompokan data. Hasil. Penelitian ini menghasilkan sebuah sistem yang dapat digunakan untuk mengelompokan produk menjadi tiga yaitu transansi tinggi, sedang dan rendah. Kesimpulan hasil pengelompokan produk dapat digunakan untuk acuan prioritas pemesanan produk atau restock produk diperiode mendatang.
Sistem Pakar Pencegahan Penyakit Imunologi di Puskesmas Campurejo Kota Kediri Widodo, Danang Wahyu; Setiawan, Ahmad Bagus
Efektor Vol 4 No 2 (2017): Efektor Vol 4 No 2 Tahun 2017
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (240.364 KB) | DOI: 10.29407/e.v4i2.964

Abstract

Lupus adalah penyakit autoimun yang melibatkan berbagai organ dengan manifestasi klinis bervariasi. Lupus adalah penyakit yang tidak bisa disembuhkan,tetapi bila dideteksi secara dini dan segera diterapi maka dapat memperbesar survival rate penderita, Dengan Metode inferensi yang digunakan adalah forward chaining, yaitu proses inferensi yang memulai pencarian dari premis atau data masukan berupa gejala menuju pada konklusi yaitu kesimpulan prosentase jenis lupus serta solusi mengenai materi berdasarkan usia penderita, dimana prosentase didapatkan dari perhitungan menggunakan rumus probabilitas klasik dimana peluang P(A) dengan A adalah gejala lupus. Hasil pengujianberdasarkan kuisioner menunjukan bahwa, aplikasi ini membantu pengguna dalam mendapatkan informasi, melakukan proses diagnosa secara manifestasi klinis sertapemilihan terapi dan materi yang sesuai
Co-Authors Abdul Azis Adam Cahya Armadananto Adelya Crystina Oktavianti Agus Muhaimin Ahmad Mudofar Yusuf Alfin Aziema Anaga, Galang Kurnia Ani Asmawati Tani Anis Nur Rohmah Anwar Muzaki Aprilia, Tri Krisna Wati Aprisa Risky Prasetyo Ardi Sanjaya Arifin, Miranda Putri Ariska Fitria Anggelin Arsyad, Nandito Pramudya Bayu Mahendra Setiawan Citra Anggreini Mayang Sari Danang Wahyu W Danang Wahyu Widodo Danar Putra Pamungkas, Danar Putra Dedi Arif Rahman Delia Virna Putri Arindi Deni Wahyu Trisdianto Dhavis Alvi Chandra Dody Ryo Hermawan Dwi Fikri Haika Dwi Nur Hidayat Dwieka Permata Prameswari Edwin Zamzami Eko Nur Cahyono Eko Nurkholis Elizer Eki Wigus Nugroho Evi Wardani Ferdian Wahyu Prianggara Galih Nur Cahyo Hanania Oki Kurnia Sugianto Hidayah, Alvi Nurul I Burhan Quluby Ida Ayu Putu Sri Widnyani Ignatius Juan Hartantiko Imam Wicaksono Intan Nur Farida Iswoyo, Yodhi Pratama Jauhari, Nur Mohamad Iqbal Juli Sulaksono Julian Sahertian Khanafi Suduri Zamzami M.Herma Pradipta Made Ayu Dusea Widyadara - Universitas Nusantara Kediri, Made Ayu Dusea Widyadara Mahdiyah, Umi Mochamad Syafroni Mohamad Anjas Dwi Akbar Muh Aris Saputra Muhamad Ulul Azmi Muhamad Yusup Efendi Muhammad Ubaydillah Nina Wahyu Nurfiah niska shofia Nur Lailatul Kibtiyah Ramadhanu, Ilham Khefi Ratih Kumala Sari Ratih Kumalasari N Ratih Kumalasari Niswatin Resty Wulanningrum Risa Helilintar Risky Aswi R, Risky Rony Heri Irawan Salma Putri Awalina Sanubari, Prima Tanggon Maulana Mahardika Tansen Aji Prayogo Taufiqurrahman Taufiqurrahman Thea Satmalra Wahyu Cahyo Utomo Wahyu Efendy Wahyu Rusmiati Yessy Yuprastiwi Yuly Nurhidayati Yuningsih, Yayuk Zakaria, Reza Naim