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

 6   7   8   9   10 
Analisis Perbandingan Model PSO-LSTM dan LSTM Konvensional untuk Prediksi Harga Bitcoin di Market Cryptocurrency Aprianto, Kresna; Mahdiyah, Umi; Wulanningrum, Resty
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: 10.29407/71q6xr58

Abstract

Cryptocurrency merupakan salah satu inovasi dalam sistem keuangan digital yang mengalami pertumbuhan pesat, dengan Bitcoin sebagai aset kripto yang paling banyak diminati. Di Indonesia, berdasarkan survei GlobalWebIndex tahun 2019, sekitar 10% pengguna internet telah memiliki aset kripto, menjadikan negara ini sebagai salah satu pasar terbesar di dunia. Namun, fluktuasi harga yang tinggi membuat prediksi harga Bitcoin menjadi aspek krusial dalam pengambilan keputusan investasi. Model Long Short-Term Memory (LSTM) sebagai salah satu metode deep learning unggul dalam memproses data deret waktu, namun performanya sangat dipengaruhi oleh konfigurasi hyperparameter. Penelitian ini bertujuan untuk meningkatkan akurasi prediksi harga Bitcoin dengan mengoptimalkan hyperparameter LSTM menggunakan algoritma Particle Swarm Optimization (PSO). Evaluasi dilakukan menggunakan metrik Mean Squared Error (MSE), Mean Absolute Error (MAE), dan Root Mean Squared Error (RMSE). Hasil eksperimen menunjukkan bahwa model PSO-LSTM memberikan performa yang lebih baik dibandingkan model LSTM konvensional. MSE menurun sebesar 4,90% dari 1.142.860,6 menjadi 1.086.861,4; MAE menurun sebesar 11,78% dari 603,1 menjadi 532 dan RMSE menurun sebesar 2,48% dari 1.069 menjadi 1.042,5. Temuan ini membuktikan bahwa integrasi PSO sebagai metode optimasi dapat meningkatkan akurasi model prediksi, serta memperkuat validitas pendekatan kombinasi algoritmik dalam pengembangan sistem prediksi harga Bitcoin berbasis deep learning.
Evaluasi Performa YOLOv8 Instance Segmentation dalam Segmentasi Hama dan Penyakit pada Bawang Merah Syaputri, Rika Wahyu; Wulanningrum, Resty; Rochana, Siti
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/axsb8473

Abstract

Bawang merah merupakan salah satu komoditas pertanian yang memiliki peran penting sebagai bahan pangan dan rentan terhadap serangan hama dan penyakit. Oleh karena itu, deteksi yang cepat dan akurat sangat dibutuhkan untuk menjaga kualitas hasil panen. Penelitian ini bertujuan untuk membandingkan kinerja varian YOLOv8 dalam tugas segmentasi contoh serangan hama dan penyakit pada tanaman bawang merah menggunakan citra digital. Empat model dievaluasi, yaitu YOLOv8n-seg, YOLOv8s-seg, YOLOv8m-seg, dan YOLOv8l-seg. Model-model tersebut dievaluasi menggunakan metrik mAP, precision, dan recall. Dataset terdiri dari gambar bawang yang telah dianotasi dengan format YOLO. Hasil penelitian menunjukkan bahwa YOLOv8s memberikan hasil segmentasi yang seimbang dan akurat dalam hal kompleksitas model dan akurasi segmentasi dibandingkan dengan versi lainnya. Namun, peningkatan jumlah dan variasi data diperlukan untuk meningkatkan akurasi yang lebih tinggi. Penelitian ini dapat menjadi referensi dalam memilih model segmentasi yang tepat di bidang pertanian.
Identifikasi Penyakit Daun Tomat dengan Menggunakan NASNet Mobile Kamilah, Annisa' Nur; Mahdiyah, Umi; Wulanningrum, Resty
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: 10.29407/1x40zv39

Abstract

Pertanian adalah sektor penting yang menyediakan pangan bagi masyarakat. Khususnya, pada tanaman tomat, sering kali terganggu oleh berbagai penyakit daun yang dapat menurunkan hasil panen dan menyebabkan kerugian bagi petani. Penelitian ini bertujuan mengembangkan model identifikasi citra daun tomat menggunakan arsitektur NASNet Mobile untuk mengidentifikasi penyakit secara otomatis. Dataset terdiri dari empat kelas, yaitu Healty, Leaf Mold, Septoria Leaf Spot, dan Tomato Yellow Leaf Spot. Model dilatih menggunakan model NASNet Mobile dan dievaluasi menggunakan metrik akurasi, presisi, recall, dan f1-score. Hasil menunjukkan bahwa model NASNet Mobile mencapai akurasi sebesar 69,97% dengan macro average f1-score sebesar 0,67%. Penelitian ini memberikan kontribusi awal dalam pemanfaatan deep learning untuk pertanian presisi, khususnya dalam mendukung pengambilan keputusan petani guna mengurangi risiko kerugian hasil panen akibat keterlambatan penanganan penyakit.
Identifikasi Kemekaran Bunga Mawar Merah Menggunakan CNN dengan Pendekatan Segmentasi Thresholding dan Deteksi Tepi Sobel Natasha, Sonya; Wulanningrum, Resty; Sahertian, Julian
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/swrhb043

Abstract

Bunga mawar merah memiliki tiga tahap utama dalam proses mekarnya, yaitu kuncup, setengah mekar, dan mekar penuh. Proses klasifikasi tahap kemekaran secara manual dinilai kurang efisien, bersifat subjektif, serta rawan kesalahan, terlebih ketika diterapkan dalam jumlah besar untuk tujuan industri atau penelitian. Oleh karena itu, diperlukan sistem klasifikasi otomatis yang akurat dan konsisten. Penelitian ini bertujuan untuk merancang sistem klasifikasi citra bunga mawar merah berdasarkan tingkat mekarnya menggunakan metode Convolutional Neural Network (CNN). Untuk mendukung proses klasifikasi, dilakukan praproses citra seperti normalisasi, pengubahan ukuran ke 150x150 piksel, augmentasi (seperti rotasi, flipping, dan zoom), serta penambahan fitur dari segmentasi thresholding dan deteksi tepi Sobel. Model CNN dilatih untuk mengenali ciri visual dari masing-masing tahapan kemekaran. Hasil pengujian menunjukkan bahwa sistem mampu mengklasifikasikan citra ke dalam tiga kategori dengan akurasi validasi tertinggi sebesar 92,61% pada epoch ke-18 dan ke-20. Kombinasi segmentasi thresholding, deteksi tepi Sobel, dan CNN murni terbukti meningkatkan akurasi klasifikasi citra bunga mawar merah secara signifikan.
Implementasi Penggunaan Histogram Equalization Pada Citra Wajah Gemini, Shalaisha Amelia Putri; Wulanningrum, Resty; Rochana, Siti
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/yqphtx80

Abstract

Penelitian ini berfokus pada implementasi Histogram Equalization (HE) dalam pengenalan wajah, yang bertujuan untuk meningkatkan kontras citra wajah guna memperbaiki akurasi identifikasi. Tantangan yang dihadapi adalah pencahayaan tidak merata dan noise akibat overenchancement. Solusi yang diusulkan adalah penerapan Histogram Equalization, yang meliputi perhitungan histogram dan pemetaan nilai intensitas untuk menghasilkan citra yang lebih jelas. Hasil penelitian ini menunjukkan bahwa Histogram Equalization berhasil meningkatkan kualitas citra, dengan nilai RMSE (Root Mean Square Error) berkisar antara 9.40 hingga 10.48 dan PSNR (Peak Signal-to-Noise Ratio) berkisar antara 27.27 hingga 28.67. hubungan anatar RMSE dan PSNR menunjukkan bahwa semakin rendah nilai RMSE, semakin tinggi nilai RMSE, semakin tinggi nilai PSNR, yang menandakan bahwa citra wajah hasil olahan lebih mendekati citra asli dan kualitasnya tetap baik.
Deteksi Malaria Semi-Supervised: Eksplorasi Convolutional Autoencoder dengan SSIM Loss dan Youden J Thresholding Anardha, Danuar Aditya; Wulanningrum, Resty; Sahertian, Julian
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/zq98rv70

Abstract

Sebuah convolutional autoencoder diterapkan dalam kerangka deteksi anomali semi-supervised untuk mengidentifikasi sel darah merah yang terinfeksi malaria. Model dilatih secara eksklusif menggunakan citra sel normal guna menangkap ciri struktural alaminya, sehingga memungkinkan deteksi anomali berdasarkan perbedaan rekonstruksi yang diukur menggunakan Structural Similarity Index Measure (SSIM). Threshold optimal ditentukan melalui analisis ROC dan statistik Youden’s J. Evaluasi pada dataset uji yang seimbang menghasilkan akurasi sebesar 76%, dengan presisi 76,5% dan recall 76%, yang menyoroti tantangan dalam mendeteksi variasi patologis yang halus. Hasil menunjukkan potensi unsupervised representation learning dalam deteksi malaria, sekaligus menyarankan bahwa penelitian di masa depan sebaiknya difokuskan pada peningkatan sensitivitas dan robustnes melalui ekstraksi fitur yang lebih canggih dan teknik hybrid supervised-unsupervised.
Klasifikasi Sampah Menggunakan Algoritma EfficientNet Sari, Putri Desi Kusuma; Mahdiyah, Umi; Wulanningrum, Resty
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/a1zq6810

Abstract

Pengelolaan sampah yang kurang optimal berdampak negatif pada lingkungan, sehingga klasifikasi sampah menjadi penting untuk mendukung daur ulang. Penelitian ini mengembangkan sistem klasifikasi gambar sampah organik dan anorganik menggunakan model deep learning EfficientNetB1. Dataset sebanyak 2.527 gambar dari Kaggle diproses melalui resize, normalisasi, dan augmentasi. Model ini dilatih dan diuji dengan metrik akurasi, presisi, recall, dan F1-Score. Pengujian menghasilkan bahwa model mencapai akurasi rata-rata 92%, presisi 93%, recall 92%, dan F1-Score 92%. Meskipun terdapat variasi pencahayaan dan latar belakang, model mampu mengenali dua jenis sampah dengan baik. Sistem ini berpotensi diimplementasikan dalam aplikasi berbasis web untuk membantu masyarakat memilah sampah secara mandiri dan berkelanjutan. 
Aplikasi Forecasting Saham Bank Bni Berbasis Android Pratama, Regi Cendika; Mahdiyah, Umi; Wulanningrum, Resty
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/vkp9k637

Abstract

Latar belakang penelitian ini adalah fluktuasi harga saham BNI yang signifikan, serta kurangnya pengetahuan investor pemula dalam menentukan strategi investasi. Penelitian ini bertujuan untuk merancang dan membangun sistem prediksi harga saham Bank Negara Indonesia (BNI) berbasis Android menggunakan algoritma Long Short-Term Memory (LSTM). Data historis harga saham dikumpulkan melalui Yahoo Finance dan dinormalisasi menggunakan metode Min-Max Scaling. Model LSTM dibangun dan dioptimasi dengan teknik deep learning, kemudian diintegrasikan ke dalam aplikasi Android melalui backend Django. Hasil evaluasi performa model dilakukan menggunakan metrik Mean Absolute Error (MAE) adalah 0.075030, Mean Squared Error (MSE) adalah 0.008613, dan Root Mean Squared Error (RMSE) adalah 0.092806. Hasil penelitian menunjukkan bahwa model LSTM mampu memprediksi tren harga saham BNI secara efektif, sehingga dapat menjadi alat bantu bagi investor dalam mengambil keputusan investasi yang lebih informatif. Aplikasi yang dihasilkan juga memberikan visualisasi prediksi dalam bentuk grafik dan tabel, sehingga lebih mudah dipahami oleh pengguna.
Prediksi Harga Saham Batubara Menggunakan Recurrent Neural Network (RNN) Ramadhani, Gilang; Mahdiyah, Umi; Wulanningrum, Resty
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/tps0k354

Abstract

Pergerakan harga saham dipengaruhi oleh berbagai faktor kompleks, termasuk kondisi makroekonomi, kebijakan politik, sentimen pasar, dan kinerja fundamental perusahaan. Tingginya volatilitas dan ketidakpastian yang terjadi di pasar modal Indonesia menuntut investor untuk menggunakan pendekatan prediksi yang andal guna mengoptimalkan strategi investasi. Dalam penelitian ini, dikembangkan model prediksi harga saham menggunakan metode Recurrent Neural Network (RNN), yang secara khusus dirancang untuk menganalisis data deret waktu dan mengenali pola temporal pada data historis harga saham. Data diperoleh dari platform Yahoo Finance dan melalui tahapan preprocessing seperti pembersihan data dan normalisasi agar sesuai dengan kebutuhan pemodelan. Hasil pengujian model RNN menunjukkan performa yang cukup baik dengan MAE sebesar 381.061, MSE 29.595.055, RMSE 544.013, dan MAPE 18,079%. Hasil ini menunjukkan bahwa RNN mampu mengikuti pola pergerakan harga saham secara akurat dan dapat dimanfaatkan sebagai alat bantu prediksi dalam mendukung keputusan investasi, khususnya di sektor energi.
Implementasi Long Short Term Memory (LSTM) Untuk Forecasting Jumlah Penjualan Daging Ayam FITRIANA, VYRRA; Mahdiyah, Umi; Wulanningrum, Resty
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/xf9t9456

Abstract

Penjualan daging ayam yang mengalami kenaikan dan penurunan yang tidak menentu kerap menyusahkan pelaku usaha. Peramalan diharapkan dapat menjadi solusi bagi pelaku usaha dalam menentukan stok penjualan daging ayam. Penelitian ini bertujuan untuk mengetahui kinerja model yang terbaik dalam melakukan peramalan jumlah penjualan daging ayam menggunakan Long Short Term Memory (LSTM) dengan menggunakan data time series Jumlah penjualan daging ayam yang di kumpulkan dari salah satu pelaku usaha penjual daging ayam yang ada di Dusun Ngadipuro, Desa Sumber Rejo, Kecamatan Sanan Kulon, Kabupaten Blitar. Hasil dari penelitian yang sudah dilakukan kinerja model yang terbaik tedapat pada skenario percobaan ketiga dengan  menggunakan variasi timesteps 14 dengan nilai evaluasi MAPE 17.17%.
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