Article Per Year (5 Year)
p-Index From 2021 - 2026
9.393
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Simetris Jurnal Simantec Prosiding SNATIKA Vol 01 (2011) Jurnal Teknologi Informasi dan Ilmu Komputer International Journal of Advances in Intelligent Informatics Jurnal IPTEK-KOM (Jurnal Ilmu Pengetahuan dan Teknologi Komunikasi) KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Journal of Information Technology and Computer Science (JOINTECS) Network Engineering Research Operation [NERO] Jurnal Math Educator Nusantara: Wahana Publikasi Karya Tulis Ilmiah di Bidang Pendidikan Matematika Generation Journal Jurnal ABDINUS : Jurnal Pengabdian Nusantara JATI (Jurnal Mahasiswa Teknik Informatika) JTECS : Jurnal Sistem Telekomunikasi Elektronika Sistem Kontrol Power Sistem dan Komputer International Journal of Robotics and Control Systems Joutica : Journal of Informatic Unisla Digital Transformation Technology (Digitech) Jurnal: International Journal of Engineering and Computer Science Applications (IJECSA) Jurnal Maklumatika Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) NERO (Networking Engineering Research Operation) Jurnal Pengabdian Masyarakat Nusantara JISCOMP (Journal of Information System and Computer)
Resty Wulanningrum
(SINTA ID : 5986827) Prodi Teknik Informatika, Universitas Nusantara PGRI Kediri
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 Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Social Sciences Transportation

Published : 98 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 98 Documents
Search

 2   3   4   5   6 
Penyortiran Buah Jeruk Dengan Ekraksi Ciri Rgb To Hsv Menggunakan Naïve Bayes Naufal Muji Dwicahyo; Wulanningrum, Resty; Ramadhani , Risky Aswi
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.v8i2.5018

Abstract

Petani jeruk di Desa Balonggebang, Kecamatan Gondang, Kabupaten Nganjuk dalam menentukan kematangan buah jeruk menggunakan metode Naïve Bayes dan ekstraksi ciri. Prosesnya melibatkan pengumpulan data visual buah jeruk dari berbagai tahap kematangan menggunakan kamera, yang kemudian diolah menggunakan program pengolahan citra. Metode Naïve Bayes digunakan untuk mengklasifikasi tingkat kematangan berdasarkan ciri-ciri warna (RGB ke HSV). Hasil pengujian menunjukkan nilai RGB untuk jeruk matang berkisar antara R: 232.49-250.52, G: 212.95-241.90, dan B: 161.90-237.06, sementara nilai HSV untuk jeruk matang adalah H: 4.62-10.59, S: 21.86-92.92, dan V: 235.15-250.60. Sistem ini mencapai tingkat akurasi sebesar 90%, dengan 9 dari 10 gambar uji terklasifikasi dengan benar. Aplikasi web responsif dikembangkan untuk memudahkan petani mengakses program ini melalui perangkat mobile, sehingga meningkatkan akurasi dan efisiensi dalam proses pemanenan buah jeruk.
Memilih supplier terbaik untuk Swalayan Laylia dengan Naive Bayes dan Confusion Matrix Siregar, Muhammad Fariz Hardiansyah; Niswatin, Ratih Kumalasari; Wulanningrum, Resty
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.v8i2.5042

Abstract

Tujuan dari penelitian ini adalah untuk mengembangkan aplikasi pemilihan pemasok di supermarket Laylia menggunakan algoritma Naive Bayes dan algoritma Confusion Matrix.Aplikasi ini bertujuan untuk mengatasi permasalahan pemilihan supplier baru dengan menggunakan data historis review supplier sebelumnya. Proses klasifikasi dilakukan dengan mengimplementasikan algoritma Naive Bayes.Algoritma diuji menggunakan matriks konfusi untuk mengevaluasi keakuratan, perolehan, dan ketepatan hasil klasifikasi.Hasil evaluasi menunjukkan bahwa aplikasi mencapai tingkat akurasi 78,57%, recall 80%, dan presisi 67%.Implementasi algoritma Naive Bayes pada aplikasi ini telah dibandingkan dengan software RapidMiner dan menunjukkan hasil yang konsisten. Aplikasi ini bertujuan untuk membantu supermarket mengambil keputusan pemilihan pemasok yang lebih efektif.
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 YOLO Dalam Deteksi Jumlah Kendaraan N.S.A, M Mukhlish; Wulanningrum, Resty; Sanjaya , Ardi
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/r5e52h49

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem deteksi jumlah kendaraan untuk mengklasifikasi jenis kendaraan dan menghitung jumlah kendaraan. Masalah kemacetan pada persimpangan jalan diakibatkan durasi lampu lalu lintas tidak disesuaikan dengan volume kendaraan. Proses menghitung kendaraan masih dilakukan secara manual yang mana hal tersebut memerlukan waktu yang lama. Maka dibuatlah sebuah sistem yang dapat mengenali dan menghitung kendaraan dengan menggunakan Metode YOLO. Model yang telah dilatih kemudian diuji pada 15 gambar .Hasil pengujian menunjukkan bahwa model YOLO dapat mendeteksi kendaraan dengan akurasi sebesar 93%. Kesalahan deteksi terjadi terutama pada kendaraan yang sebagian tertutupi. Penelitian ini menunjukkan potensi implementasi YOLO untuk deteksi jumlah kendaraan.
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
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): 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/vdq6ta98

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.
Ujian Online Akhir Semester pada SMA Queen Al Falah Nugraha, Reza Setya; Niswatin, Ratih Kumalasari; Wulanningrum, Resty
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: 10.29407/6gyswa33

Abstract

Tujuan penelitian ini adalah untuk menyediakan platform yang efisien dan efektif bagi sekolah untuk mengevaluasi hasil belajar dan penilaian siswa secara digital. Proses pembangunan sistem dimulai dari analisis berbagai kebutuhan di sekolah itu. Hasil analisis menunjukkan perlu merancang dan mengembangkan platform yang dapat menangani ujian pilihan ganda secara online dan memberikan data nilai siswa yang akurat. Sistem ini dikembangkan menggunakan aplikasi berbasis web, dan hasil implementasinya menunjukkan peningkatan efisiensi dalam administrasi ujian dan peningkatan kualitas penilaian melalui algoritma suatu algoritma perhitungan nilai. Diharapkan, adopsi sistem ujian online dan penilaian siswa ini dapat meningkatkan pengalaman belajar siswa dan memberikan dukungan yang lebih baik bagi pengelolaan pendidikan di sekolah itu.
Implementasi Game Edukasi Pembelajaran Matematika Berbasis Android Krisnawan, Apreado Gilang; Niswatin, Ratih Kumalasari; Wulanningrum, Resty
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: 10.29407/6r919035

Abstract

Pembuatan game pendidikan berbasis Android, yang bertujuan untuk meningkatkan pemahaman siswa dalam operasi matematika bilangan, dilakukan dengan cara yang interaktif dan menyenangkan.. penelitian ini mencangkup tahap perancangan, implementasi, dan pengujian game. proses design menggunakan metoda R&D (Research and Development yaitu analisis, desain, pengembangan, implementasi, dan evaluasi. Implementasi dilakukan menggunakan Unity3D dengan bahasa pemrograman C#, serta sistem penyimpanan menggunakan PlayerPrefs dan diterapkan dinamika kesulitan adaptif (Dynamic Difficulty Adjustment, DDA) untuk menyesuaikan tingkat permainan, semakin lama bermain maka akan semakin sulit. hasil dari game menunjukkan bahwa pendidikan dan permainan dapat digabungkan dengan baik dalam game edukasi.
PENILAIAN GERAKAN BARIS-BERBARIS BERBASIS AI DAN LSTM PADA SELEKSI PASKIBRAKA Asmoro, Shandy Sadewa; Wulanningrum, Resty; Sanjaya, Ardi
Jurnal Simantec Vol 12, No 2 (2024): Jurnal Simantec Juni 2024
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/simantec.v12i2.26095

Abstract

PASKIBRAKA member selection is conducted annually at three levels. PASKIBRAKA members must fulfil the criteria, one of which is the Marching Regulations (PBB). In the UN assessment process, sometimes the judges are still subjective. Therefore, it is necessary to have a system with artificial intelligence (AI) integration. The methods used in the system are Mediapipe and Long Short Term Memory (LSTM) algorithm. Mediapipe serves to display 33 keypoints and extract features from these keypoints which will later be processed by LSTM for motion detection. From the test results, the highest accuracy value of each movement is walking in place by 99%, striding by 95%, and regular steps by 97%. While the lowest accuracy value of each movement is walking in place by 12%, striding by 21%, and ordinary steps by 23%. The accuracy value is the result of the analysis of the LSTM model that has been made. The highest accuracy value in each movement comes from the correct movement, while the lowest accuracy value comes from the wrong movement.  The accuracy results in the recognition of stride and ordinary steps are influenced by video movements during the transition of the right hand to the left hand which are still detected incorrectly because almost all movements when both hands are in the lower position, causing low accuracy values.Keywords: Keypoints, Long Short Term Memory, Marching, Mediapipe
Co-Authors Abu Tholib Achmad Iqbal Maulana Aeri Rachmad Ahmad Bagus Setiawan Ahmad Fakhruddin Luthfi Aji Prasetya Wibawa Amanda, Novia Aminuyati Anardha, Danuar Aditya Andrean Ferdyana Vabian Eka Sakti Angel, Gresiva Devi Anggi Nur Fadzila Anik Nur Handayani Aprianto, Kresna Ardi Sanjaya Aristanti, Apriska Ade Arsyad, Nandito Pramudya Asmoro, Shandy Sadewa Asri, Puput Puji Bagus Fadzerie Robby Cholid Ilham Isniawan Chrisnatae, Mayo Alvarosy Dadi Setyawan Danar Putra Pamungkas, Danar Putra Daniel Swanjaya Daniel Swanjaya2 Dewangga, Rio Agung Doni Abdul Fatah Donny Firdani Dusea Widya Dara, Made Ayu Ema Utami Erna Daniati Fadli Hidayat, M Noer Fadli Hidayat, M. Noer Fadli, Abi Ihsan Fadzerie Robby, Bagus Fatkur Rhohman, Fatkur Firmansyah, Muhammad Kukuh FITRIANA, VYRRA Gemini, Shalaisha Amelia Putri Heffi Awang Cahya Heru Suhartono, Wawan Heru Wahyu Herwanto Hidayah, Alvi Nurul Intan Nur Farida Iqbal Jauhari, Nur Mohamad Iqbal Jauhari Iswoyo, Yodhi Pratama Jauhari, Nur Mohamad Iqbal Juli Sulaksono Julian Sahertian Kamilah, Annisa' Nur Karim, Achmad Zainul Kohei Arai Krisnawan, Apreado Gilang Kristantio, Triyo Kurniawan, Afizza Fikri Kurniawan, Dimas Eri Kurniawati, Desi Dwi Ludfie, Miftachul Lusi Dwi Anggraini, Lusi Dwi Made Ayu Dunia Widyadara Mahardhika, Bima Mahdiyah, Umi Maliana, Diah Gusmia Maulian Amroni, Asna Maulian Amroni Mawarni, Reza Millenialdo Yanuar Ilham Moh Imam Yusuf Mustofa Muhaimin, Mohammad Aqil Muhamad Yusup Efendi Muhammad Abdul Aziz Mustofa, Arin Ayu Silvyani Muttaqien, Hidayatul N.S.A, M Mukhlish Nandha Vera Wihra Lelitavistara Nandha Vera Wihra Lelitavistara, Nandha Vera Wihra nata, Pramudya Cipta Panatagama Natasha, Sonya Naufal Muji Dwicahyo Nugraha, Reza Setya Nurul Mahpiroh Patmi Kasih Pratama, Regi Cendika Ramadhani, Gilang Ratih Kumalasari Niswatin Risa Helilintar Risky Aswi R, Risky Rochana, Siti Rohmat Syamsul Huda Roni Heri Irawan Rony Heri Irawan Ruruh Andayani Bekti, Ruruh Andayani Safitri, Karinda Ayu salma - alawiyah Santoso, Christa Witta Putra Saraswati, Indra Lady Sari, Frisca Ayu Fatika Sari, Lya Rosita Sari, Putri Desi Kusuma Setiyawan, Gadang Putro Bagus Sinta Sanora Siregar, Muhammad Fariz Hardiansyah Siti Rochana SRI RAHAYU Supri yono Supri Yono, Supri Susanti, Riska Yuni Syaputri, Rika Wahyu Teguh, Aji Triprasetyo, Anggi Wahyu Ulfatus Syaidah Viana, Ella Okta Wahyu Cahyo Utomo Wijayanto, Muhammad Farid Winandari, Dhela Melani Wulandari, Safira Putri Yosianova, Imam Syahputra Zakaria, Reza Naim