Article Per Year (5 Year)
p-Index From 2021 - 2026
7.436
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Bianglala Informatika : Jurnal Komputer dan Informatika Akademi Bina Sarana Informatika Yogyakarta Jurnal Sisfokom (Sistem Informasi dan Komputer) RESEARCH : Computer, Information System & Technology Management Multitek Indonesia : Jurnal Ilmiah Buletin Ilmiah Sarjana Teknik Elektro Indonesian Journal of Networking and Security - IJNS SPEED - Sentra Penelitian Engineering dan Edukasi Kontribusi: Jurnal Penelitian dan Pengabdian Kepada Masyarakat Joutica : Journal of Informatic Unisla Nusantara of Engineering (NOE) Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Widyadara , Made Ayu Dusea
Universitas Nusantara PGRI Kediri
Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Transportation

Published : 60 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 60 Documents
Search

 2   3   4   5   6 
Rancangan Sistem Penunjang Keputusan Reputasi Agen dan Diskon Agen Menggunakan Metode TOPSIS Wardani , Rama Yuda; Farida, Intan Nur; Dara, Made Ayu Dusea Widya
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 7 No. 1 (2023): PROSIDING NSEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2023
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v7i1.3441

Abstract

Penentuan reputasi dan diskon pada aplikasi GPAJA saat ini belum didukung oleh sistem penunjang keputusan, sehingga pemilik GPAJA ingin menambahkan sistem pendukung keputusan untuk meningkatkan keuntungan yang diperoleh. Tujuan dari penelitian ini adalah untuk mengatasi kekurangan pada aplikasi GPAJA, di mana tidak ada pemilihan reputasi dan diskon pada agen untuk menangani masalah. Oleh karena itu, penggunaan sistem pendukung keputusan dengan metode TOPSIS diperlukan. Hasil perhitungan reputasi yang diperoleh dari penggunaan metode TOPSIS adalah agen Digiflazz mendapatkan skor TOPSIS sebesar 6.2862620, dengan bobot kriteria total penjualan sebesar 5, total transaksi sukses sebesar 3, total transaksi gagal sebesar 4, dan total kecepatan penjualan sebesar 2. Sebagai hasilnya, agen Digiflazz mendapatkan reputasi gold. Selanjutnya, hasil perhitungan pemilihan diskon dengan menggunakan metode TOPSIS adalah Safyra mendapatkan nilai TOPSIS sebesar 13.349058, dengan bobot kriteria jenis produk pulsa sebesar 2, tingkat reputasi sebesar 5, dan total penjualan produk pulsa sebesar 2.
Analisis dan Implementasi Algoritma K-Means Untuk Mengelompokkan Anak Tunagrahita Berdasarkan Hasil Nilai Pembelajaran Alfian, Ahmad Ade; Farida, Intan Nur; Widyadara, Made Ayu Dusea
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 7 No. 2 (2023): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2023
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v7i2.3515

Abstract

Anak tunagrahita adalah anak berkebutuhan khusus dengan kemampuan kurang serta memiliki hambatan dalam proses tumbuh kembang. Saat ini penempatan anak tunagrahita ke dalam kelas atau kelompok belajar dilakukan secara observasi berdasarkan nilai IQ dan nilai akademik yang diperoleh. Oleh karena itu untuk membantu pihak sekolah dalam mengatasi kesulitan dalam menentukan kelompok belajar secara keseluruhan. Dalam penelitian ini, peneliti menggunakan metode k-means clustering untuk mengelompokkan anak tunagrahita berdasarkan nilai pembelajaran selama satu semester ke dalam kategori ringan, sedang, dan berat. Pada hasil evaluasi menggunakan perhitungan DBI menunjukkan hasil yang baik dengan nilai 0,73 berdasarkan pengujian menggunakan 30 data siswa tunagrahita.
Implementasi Algoritma Naïve Bayes Dalam Menentukan Diagnosa Tingkat Depresi Mahasiswa Akhir Terhadap Pengerjaan Skripsi Wisnugraha, Wahyu Surya; Farida, Intan Nur; Widyadara, Made Ayu Dusea
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 7 No. 2 (2023): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2023
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v7i2.3517

Abstract

Menurut penelitian Sukandar dkk pada tahun 2019, mengatakan bahwa kenaikan tingkat depresi membuat meningginya kasus bunuh diri setiap tahunnya. Penanganan yang salah terhadap penyakit depresi membuat tingginya masalah depresi yang tidak teratasi. Terlebih lagi, Mahasiswa yang sedang mengerjakan Skripsi pun menyumbangkan masalah depresi yang tinggi ditambah hampir semua mahasiswa beranggapan bahwa konsultasi ke psikolog membutuhkan biaya yang banyak sehingga banyak para mahasiswa mengesampingkan kesehatan mental mereka. Dalam masalah tersebut, penelitian ini membuat sebuah sistem diagnosa awal untuk mendeteksi secara dini tingkat depresi. Sehingga para mahasiswa dapat mengetahui tingkat depresinya sedari dini dan memberi informasi penanganannya. Penelitian ini menggunakan algoritma Naïve Bayes sebagai algoritma penghitungannya, dimana algoritma ini menghitung semua probabilitas setiap parameternya. Sumber data penelitiannya adalah melalui wawancara dan kuesioner untuk mendapatkan data trainingnya. Tujuan penelitian ini adalah merancang sebuah aplikasi diagnosa sebagai tolak ukur dini tingkat depresi. Didapatkan hasil diagnosa dengan 34 responden dengan keakuratan mencapai 85% sehingga dapat membantu penanganan lebih awal terhadap kondisi kesehatan mental mahasiswa.
Penerapan Metode KNN Untuk Mendeteksi Hama dan Penyakit Pada Tanaman Mangga Efendi, Ahmad Rizal; Farida, Intan Nur; Dara, Made Ayu Dusea Widya
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 7 No. 2 (2023): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2023
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v7i2.3521

Abstract

Mangga merupakan tanaman yang banyak di tanaman di Indonesia dikarenakan selain mudah ditanam, buah mangga juga mengandung banyak kandungan vitamin A, C, dan E serta kalsium, zat besi, folat, dan vitamin B6. Segala jenis tanaman pasti terdapat hama dan penyakit yang menyerang, tidak terkecuali pada tanaman mangga yang meyebabkan petani mangga mengalami kerugian karena tanamanya rusak atau gagal panen. Untuk membatasi potensi kerugian, sangat penting untuk mengidentifikasi hama dan penyakit pada pohon mangga sesegera mungkin. Oleh karena itu, peneliti membuat aplikasi yang bertujuan untuk memudahkan petani dalam mendeteksi hama dan penyakit mangga menggunakan metode KNN (K-Nearest Neighbor). K-Nearest Neighbor adalah metode pencarian kasus yang menggabungkan kasus baru dengan kasus lama berdasarkan pembocoran bobot dari sejumlah fitur yang ada. Pada evaluasi penelitian ini menunjukkan hasil yang optimal dengan akurasi 87,5% berdasarkan pengujian menggunakan 32 data aktual dari pakar.
Implementasi Metode CNN Pada Aplikasi Android Untuk Deteksi Penyakit Pada Daun Padi Julianto, Bagas; Farida, Intan Nur; Dara, Made Ayu Dusea Widya
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 7 No. 2 (2023): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2023
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v7i2.3522

Abstract

Padi adalah komoditas pangan yang esensial didalam perekonomian indonesia, oleh karena itu ketersediaannya harus dipastikan untuk memenuhi kebutuhan pangan masyarakat, namun padi juga tidak luput dari serangan penyakit, adapun jenis penyakit daun padi yang diteliti: hawar daun, blast, bercak daun, hispa. Diperlukan sistem guna mengidentifikasi penyakit tersebut dengan menerapkan metode cnn, metode cnn digunakan untuk memprediksi penyakit yang menyerang daun padi dengan menggunakan 1200 citra dan rasio data training dan validate 90%:10% menerapkan parameter optimizer adam, learning rate 0,0001, jumlah epoch 100, batch size 32, dan tahapan pre-processing berupa normalisasi data dan augmentasi dan didapatkan hasil akurasi training sebesar 80% dan testing sebesar 87%.
Deteksi Penyakit Daun Mangga Menggunakan Convolutional Neural Network Untuk Analisis Komperasi Arsitektur VGG16, Xception Ardiansyah, Ryo; Widyadara, Made Ayu Dusea; Mahdiyah, Umi
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/bv3y4028

Abstract

Deteksi penyakit pada daun mangga merupakan tantangan penting dalam sektor pertanian Indonesia karena memengaruhi kualitas dan kuantitas hasil panen. Penelitian ini mengembangkan sistem klasifikasi citra penyakit daun mangga menggunakan arsitektur CNN VGG16 dan Xception. Dataset terdiri dari dua dataset berbeda yang pertama terdiri dari dua kelas yaitu kelas sehat dan sakit, dataset kedua memiliki tiga kelas yaitu Jamur Jelangga, Klorosis, dan Sehat. Teknik augmentasi data dan optimizer Adam digunakan untuk meningkatkan performa model. Evaluasi dilakukan dengan Confusion Matrix serta metrik presisi, recall, dan F1-score. Hasil menunjukkan bahwa VGG16 konsisten memberikan performa terbaik, dengan akurasi hingga 100% pada skenario dua kelas, dan 99% pada skenario tiga kelas. Arsitektur CNN, khususnya VGG16, terbukti efektif dan konsisten dalam mengklasifikasikan penyakit daun mangga berbasis citra digital.
Implementasi Metode Faster R-CNN Untuk Deteksi Penyakit Tanaman Mentimun Melalui Citra Daun Mahendra, Rizqi Maulana; Widyadara, Made Ayu Dusea; Swanjaya, Daniel
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/nqms7824

Abstract

Mentimun (Cucumis Sativus) merupakan salah satu tanaman hortikultura penting di Indonesia dengan nilai ekonomi tinggi, namun rentan terhadap serangan hama dan penyakit yang dapat menurunkan kualitas dan kuantitas hasil panen. Penelitian ini bertujuan untuk menerapkan metode Faster R-CNN dan arsitektur ResNet50 dalam mendeteksi penyakit pada tanaman mentimun. Alur proses penelitian ini terdiri dari pengumpulan dataset, preprocessing data, pelatihan, dan evaluasi. Dataset yang digunakan berjumlah 799 citra daun mentimun, yang terdiri dari lima kelas: Fresh Leaf, Anthracnose, Bacterial Wilt, Downy Mildew, dan Gummy Stem Blight. Pelatihan model menggunakan K-Fold Cross Validation sebanyak 5 fold (K=5) dengan optimizer SGD, batch size 2, learning rate 0,007, dan 20 epoch. Hasil menunjukan  menghasilkan rata-rata akurasi sebesar 0.86%, precision 0.87%, recall 0.88%, dan F1-score 0.87%. Hal ini membuktikan bahwa model mampu melakukan generalisasi dengan baik terhadap variasi data.
Pemanfaatan Support Vector Machine dalam Mendeteksi Biji Kopi Muhammad Nur Ichsan; Made Ayu Dusea Widyadara; Umi Mahdiyah
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: 10.29407/75j7ar20

Abstract

Abstrak— Penentuan mutu biji kopi secara akurat merupakan bagian penting dalam proses pascapanen dan pengolahan industri kopi. Namun, klasifikasi manual masih bersifat subjektif dan kurang efisien. Penelitian ini bertujuan membangun sistem klasifikasi otomatis untuk membedakan biji kopi dan non-kopi menggunakan metode Support Vector Machine (SVM) yang dikombinasikan dengan ekstraksi fitur tekstur dari citra menggunakan Gray Level Co-occurrence Matrix (GLCM). Dataset terdiri dari citra tiga jenis biji kopi (green, light, dark) serta citra non-kopi (beras, leci, dan coklat). Setiap citra diolah melalui tahap grayscale, resize, ekstraksi fitur (contrast, correlation, energy, homogeneity), dan normalisasi. Model SVM dioptimasi dengan Grid Search dan 5-fold cross validation. Hasil pengujian menunjukkan model mampu mengklasifikasikan dua kelas dengan akurasi 100%. Sistem telah diimplementasikan dalam aplikasi web berbasis Python. Hasil ini menunjukkan bahwa kombinasi GLCM dan SVM efektif untuk klasifikasi visual biji kopi dan memiliki potensi aplikasi dalam proses sortir otomatis dan kontrol mutu berbasis citra digital.
Identifikasi Sampah Organik Dan Anorganik Untuk Anak Usia Dini Lailatul Carisma Putri; Made Ayu Dusea Widyadara; Umi Mahdiyah
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: 10.29407/9dnapg85

Abstract

Penelitian ini bertujuan untuk mengimplementasikan model YOLOv8 dalam mendeteksi dan mengenali jenis sampah organik dan anorganik guna membantu pembelajaran anak usia dini. Permasalahan utama yang diangkat adalah rendahnya pemahaman anak terhadap jenis sampah dan cara memilahnya. Metode yang digunakan meliputi pelatihan model dengan dataset yang terdiri dari 513 citra sampah organik dan 417 citra sampah anorganik selama 50 epoch. Hasil evaluasi menunjukkan bahwa model mampu mencapai akurasi sebesar 0.8974, yang menunjukkan performa deteksi yang cukup akurat dan stabil. Temuan ini menunjukkan bahwa teknologi deteksi objek berbasis YOLOv8 berpotensi diterapkan dalam edukasi lingkungan sejak usia dini.
Implementasi Algoritma Convolutional Neural Network (CNN) Untuk Klasifikasi Jenis Ras Kucing Dengan Metode Mobilenetv2 diyah kingkin sulistiana; Made Ayu Dusea Widyadara; Umi Mahdiyah
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/pycd3g30

Abstract

Kucing merupakan hewan peliharaan yang sangat popular di dunia. Kucing juga memiliki banyak jenis ras yang diakui secara internasional yaitu sekitar 142 ras kucing. Karena banyaknya jenis ras kucing di dunia, sehingga banyak pemilik kucing yang sulit untuk membedakan jenis ras kucing yang mereka pelihara. Oleh karena itu dibutuhkan sistem klasifikasi otomatis berbasis pengolahan citra menggunakan algoritma Convolutional Neural Network dengan arsitektur MobileNetV2. Model dikembangkan untuk mengenali 5 jenis ras kucing dengan dataset berjumlah 500 gambar. Data dilatih selama 20 epoch dengan batch size 32, menghasilkan akurasi tertinggi sebesar 91%. Evaluasi dengan data baru menunjukkan bahwa model mampu mengidentifikasi secara akurat. Hasil ini menunjukkan potensi MobileNetV2 sebagai solusi ringan dan efektif untuk klasifikasi citra berbasis ras kucing dalam aplikasi nyata.
Co-Authors - Universitas Nusantara PGRI Kediri, Mochamad Bilal - Universitas Nusantara PGRI Kediri, Roni Heri Irawan Abraham Dimas Bayu Aji Adiba, Fera Hidayatul Agoes Santika Agus Muji Santoso Ahmad Bagus Setiawan Albab, Moh. Febby Ulil Alfian, Ahmad Ade Alfiana Hidayati Angga Yuanisyak Anik Nur Handayani Anisa Fatimatul Firdhausi Ansah, Muhammad Ardy Ardiansyah, Ryo Arfyanda Dela Shefira Bella Putri Damayanti Boyang (Tony) Yu Danar Putra Pamungkas Danar Putra Pamungkas Danar Putra Pamungkas, Danar Putra Daniel Swanjaya Deva Rahma Nugroho Dipa Perwira, Mohammad Askar diyah kingkin sulistiana Dwi Lianawati Edga Sukma Pratama Efendi, Ahmad Rizal Efendy, Wahyu Erwanto, Rio Aldi Febri Nurcahyo Dwiyantoko Febrianto, Mohammad Ahsin Frans Rega Agista Hana Agustina Hanif Al Fatta Hari Setiawan Heru Wahyu Herwanto Intan Nur Farida Irma Setiawan Kusuma Islamiati Rachmah Iswoyo, Dio Dwi Jihan Martha Julian Sahertian Julianto, Bagas Lailatul Carisma Putri Mahdiyah, Umi Mahendra, Rizqi Maulana Marga Asta Jaya Mulya Marga Asta Jaya Mulya Marjuni, Mohamad Muhamad Sholafudin Muhammad Arief Pramana Muhammad Nur Ichsan Mukhammad Annafinurika Mukhtari, Nailusofa Al Mulyo, Nando Rahmat Prasetyo Nafika S.M Nasrul Saifudin Nia Talia Salsabela D.M. Oktafiyan Pratama, Yana Patmi Kasih Permana Putra, Satya Dwi Prakosa, Bryan Rizqi Prastyo, Agung Wahyu Pratama, Tutus Lusni Rafli Ardiansyah Rahman, Dedi Arif Risa Helilintar Risky Aswi Ramadhani Roni Heri Irawan Seftania, Putri Derisa Adilla Dewi Sephia Ceren Setyawan, Moch Aris Shania Dila Vanesa Siregar, Muhammad Fauzan Hardiansyah Sugianto, Hanania Oki Kurnia Suryaningtias, Dini Haris Tony Yu Umi Roziqoh Vingki Dewi Aristina Violyna Sofiananda Wahyu Cahyo Utomo Wardani , Rama Yuda Wisnugraha, Wahyu Surya Yahya, Moh. Zakariya Yan Arie Strada Tuhehay Yu, Tony Yustikawan, Eko Tri Zamzami, Khanafi Suduri Zidane Chesa Wardana