Claim Missing Document
Check
Articles

PENCARIAN DAN EVALUASI RELEVANSI DONGENG BAHASA INDONESIA BERBASIS SEMANTIK MENGGUNAKAN LATENT SEMANTIC INDEXING (LSI) Laurenza Aprilya Melati; Daniel Swanjaya; Danar Putra Pamungkas
Rabit : Jurnal Teknologi dan Sistem Informasi Univrab Vol 10 No 2 (2025): Juli
Publisher : LPPM Universitas Abdurrab

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36341/rabit.v10i2.6093

Abstract

Information retrieval in Indonesian folktales faces challenges in identifying semantically relevant stories, particularly due to language variation and synonymy. Keyword-based approaches such as TF-IDF often fail to capture semantic relationships, resulting in suboptimal search results. This study applies Latent Semantic Indexing (LSI) using Singular Value Decomposition (SVD) to enhance the relevance of story retrieval based on latent textual meaning. Evaluation was conducted through subjective assessments by 20 respondents, who rated search results generated from four types of queries: single-word, two-word, three-word, and full-sentence queries. The Friedman test indicated significant differences among query types for both LSI (χ²(3, N=20) = 29.27, p < 0.00001) and TF-IDF (χ²(3, N=20) = 35.45, p < 0.00001). LSI consistently yielded higher relevance scores, especially for more complex queries, demonstrating more effective semantic processing than TF-IDF. These findings suggest that semantic-based approaches are better suited for narrative texts such as folktales. Future research is recommended to explore query expansion and integration with deep learning-based semantic representations.
SISTEM PENCARIAN DONGENG BERBASIS TOPIK MENGGUNAKAN LATENT DIRICHLET ALLOCATION (LDA) PADA APLIKASI NUSANTARA PANJI KEDIRI Yeshinta Mira Yolanda; Daniel Swanjaya; Danar Putra Pamungkas
Rabit : Jurnal Teknologi dan Sistem Informasi Univrab Vol 10 No 2 (2025): Juli
Publisher : LPPM Universitas Abdurrab

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36341/rabit.v10i2.6106

Abstract

In the digital era, folktales as part of Indonesia's cultural heritage are increasingly being digitized and widely disseminated through various media platforms. This study aims to apply the Latent Dirichlet Allocation (LDA) method to analyze 300 digitized Indonesian folktales. After the data collection and preprocessing stages, the dataset was divided into two parts: 70% for training and 30% for testing. The training process produced 9 topics that represent various themes found in the folktales. Evaluation was carried out using four main metrics: Coherence Score, Precision, Recall, and F1-Score. The Coherence Score measures the quality of the semantic relationship between words in each topic, while Precision, Recall, and F1-Score are used to assess the system’s accuracy, completeness, and balance in presenting relevant folktales based on the topic entered by the user. The results show that the LDA model achieved the highest coherence score of 0.6250 with 9 topics. Meanwhile, evaluation showed a precision of 76%, recall of 71.2%, and an F1-score of 73.5%, indicating that the system can effectively present relevant folktales. This study contributes to the development of a topic-based search system implemented in the Nusantara Panji Kediri application, enabling users to easily find stories according to their preferred topics. In addition, the study fills a research gap by applying LDA to a corpus of Indonesian folktales, which remains underexplored in the context of thematic search systems. The system also demonstrates great potential in the development of information technology based on local cultural content. However, the limited amount of data used—only 300 folktales—presents a challenge and opens opportunities for future improvements with a broader dataset, as well as testing the model on more diverse types of texts to enhance the system’s generalizability.
Analisis Performa Wav2Vec2.0 pada Transkripsi Nama Barang dalam Kondisi Audio Bersih dan Bising Dhimas Taka Desfrika Perdana; Daniel Swanjaya; Resty Wulanningrum
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/ecv7ey20

Abstract

Automatic Speech Recognition (ASR) merupakan teknologi yang memungkinkan suara diubah menjadi teks secara otomatis. Penelitian ini bertujuan menganalisis performa model Wav2Vec2.0 pada transkripsi nama barang berbahasa Indonesia dalam kondisi audio bersih dan bising. Dataset terdiri atas 400 rekaman audio yang dikumpulkan dari empat pembicara dengan kosakata terbatas berupa 20 nama barang. Evaluasi dilakukan menggunakan metrik Word Error Rate (WER) dan Character Error Rate (CER) pada kondisi audio bersih, babble noise, crowd noise, dan vehicle noise. Hasil pengujian menunjukkan bahwa kondisi audio bersih menghasilkan performa terbaik dengan nilai WER sebesar 2,08% dan CER sebesar 0,35%, sedangkan crowd noise menghasilkan tingkat kesalahan tertinggi dengan WER sebesar 22,92% dan CER sebesar 9,44%. Hasil penelitian menunjukkan bahwa peningkatan tingkat kebisingan berpengaruh terhadap penurunan performa transkripsi model Wav2Vec2.0 pada tugas pengenalan kosakata terbatas.
Klasifikasi Jenis Rambut Berbasis Citra Menggunakan Convolutional Neural Network dengan Arsitektur MobileNetV2 Nafika S.M; Made Ayu Dusea Widyadara; Daniel Swanjaya
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/z0rqxt36

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan jenis rambut berbasis citra menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Model dikembangkan menggunakan pendekatan transfer learning dengan bobot awal dari dataset ImageNet untuk meningkatkan performa klasifikasi. Dataset terdiri dari tiga kelas, yaitu rambut lurus, bergelombang, dan keriting. Tahapan penelitian meliputi preprocessing citra, augmentasi data, pelatihan model, serta proses fine-tuning. Hasil pengujian menunjukkan bahwa model mampu mencapai akurasi sebesar 91% pada data validasi. Selain itu, diperoleh nilai precision sebesar 0,90, recall sebesar 0,90, dan f1-score sebesar 0,90. Performa terbaik diperoleh pada kelas rambut keriting dengan nilai recall sebesar 0,99. Hasil ini menunjukkan bahwa arsitektur MobileNetV2 dengan teknik transfer learning efektif digunakan untuk klasifikasi jenis rambut berbasis citra dengan tingkat akurasi yang tinggi.
DETEKSI DAN PENGENALAN PLAT NOMOR KENDARAAN INDONESIA MENGGUNAKAN METODE DEEP LEARNING BERBASIS YOLOv8 DAN CONVOLUTIONAL NEURAL NETWORK Muhammad Arief Pramana; Made Ayu Dusea Widyadara; Daniel Swanjaya
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/h0dzra45

Abstract

Perkembangan teknologi kecerdasan buatan telah mendorong munculnya berbagai sistem otomatis dalam bidang transportasi dan keamanan, salah satunya adalah Automatic Number Plate Recognition (ANPR). Sistem ini berfungsi untuk mendeteksi dan mengenali plat nomor kendaraan secara otomatis melalui pemrosesan citra digital. Penelitian ini bertujuan mengembangkan sistem deteksi dan pengenalan plat nomor kendaraan Indonesia menggunakan metode You Only Look Once versi 8 (YOLOv8) dan Convolutional Neural Network (CNN). YOLOv8 digunakan untuk mendeteksi lokasi plat nomor pada citra kendaraan, sedangkan CNN digunakan untuk mengenali karakter huruf dan angka yang terdapat pada plat nomor. Dataset yang digunakan terdiri atas citra kendaraan roda dua dan roda empat dengan berbagai kondisi pencahayaan, sudut pengambilan gambar, dan jarak kamera. Tahapan penelitian meliputi pengumpulan dataset, preprocessing data, pelatihan model YOLOv8, segmentasi karakter, pelatihan model CNN, serta evaluasi sistem menggunakan parameter akurasi, precision, recall, F1-score, dan waktu pemrosesan. Hasil penelitian menunjukkan bahwa kombinasi YOLOv8 dan CNN mampu memberikan performa yang baik dalam mendeteksi dan mengenali plat nomor kendaraan secara otomatis. Sistem yang dikembangkan berpotensi diterapkan pada sistem parkir otomatis, pengawasan lalu lintas, dan sistem keamanan berbasis computer vision.
DETEKSI MOTIF DAN WARNA DOMINAN BATIK MENGGUNAKAN YOLOv8 Virginia Abuk Klau; Daniel Swanjaya; S. Kom. M. Kom
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/ab4ksf85

Abstract

Abstrak— Batik merupakan warisan budaya Indonesia yang memiliki keragaman motif dan warna yang tinggi. Proses identifikasi motif dan penentuan warna dominan masih dilakukan secara manual sehingga bersifat subjektif dan kurang efisien. Penelitian ini bertujuan mengembangkan sistem otomatis untuk mendeteksi motif batik dan mengekstraksi warna dominan secara objektif. Metode yang digunakan adalah YOLOv8 untuk deteksi motif batik dan K-Means Clustering untuk ekstraksi warna dominan. Data berupa citra batik diperoleh dari pengambilan langsung dan sumber daring. Tahapan penelitian meliputi pengumpulan data, pra-pemrosesan, pelatihan model, serta analisis warna pada area motif yang terdeteksi. Penelitian ini diharapkan menghasilkan sistem yang mampu meningkatkan akurasi dan efisiensi identifikasi batik serta mendukung digitalisasi budaya.
Sistem Antrean Bimbingan Berbasis Mobile dengan Estimasi Waktu secara Riil Sukma Seta Ardian; Daniel Swanjaya; Intan Nur Farida
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/cbzbpv96

Abstract

Manajemen antrean bimbingan di institusi pendidikan tinggi sering kali menghadapi kendala akibat waktu tunggu yang tidak terprediksi. Penelitian ini merancang sebuah sistem antrean bimbingan mahasiswa berbasis mobile yang disesuaikan untuk Prodi Teknik Informatika Universitas Nusantara PGRI Kediri. Rasio mahasiswa terhadap dosen yang tinggi kerap memicu penumpukan fisik di depan kantor Prodi Teknik Informatika. Untuk mengatasi keterbatasan ini, sebuah sistem prediktif yang memanfaatkan Simple Linear Regression diintegrasikan guna menghitung estimasi waktu tunggu secara dinamis. Dikembangkan menggunakan React Native dan Firebase Real-time Database, sistem ini memungkinkan mahasiswa untuk memantau ketersediaan dosen secara real-time serta melacak durasi antrean dari jarak jauh. Perangkat lunak ini berhasil meminimalkan kerumunan fisik dan memodernisasi efisiensi layanan akademik.
Analisis Klasifikasi Kualitas Bawang Merah Berdasarkan Warna Menggunakan CNN Arfyanda Dela Shefira; Made Ayu Dusea Widyadara; Daniel Swanjaya
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/dk3h0249

Abstract

Bawang merah (Allium cepa L.) merupakan komoditas hortikultura penting yang proses penentuan kualitasnya masih dilakukan secara manual sehingga sering terjadi kesalahan klasifikasi. Penelitian ini bertujuan mengklasifikasikan kualitas bawang merah berdasarkan warna menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur NASNetMobile. Dataset yang digunakan sebanyak 300 citra yang terdiri dari tiga kelas, yaitu segar, kering, dan busuk. Tahapan penelitian meliputi preprocessing, augmentasi rotasi, pelatihan model, dan evaluasi menggunakan confusion matrix. Pelatihan dilakukan selama 20 epoch dengan optimizer Adam dan learning rate 0,0001. Hasil penelitian menunjukkan bahwa model NASNetMobile memperoleh akurasi sebesar 92% dalam mengklasifikasikan kualitas bawang merah. Penelitian ini menunjukkan bahwa NASNetMobile berpotensi membantu proses sortasi bawang merah secara otomatis.
Klasifikasi Varientas Daun Singkong Menggunakan NASNet Mobile pada Dataset Tidak Seimbang Umi Roziqoh; Made Ayu Dusea Widyadara; Daniel Swanjaya
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/mna6ha74

Abstract

Daun singkong merupakan salah satu komoditas pertanian yang memiliki nilai gizi dan ekonomi tinggi sehingga identifikasi jenis daun singkong menjadi penting untuk mendukung pemanfaatan dan budidaya yang tepat. Namun, proses identifikasi secara manual sering mengalami kesalahan akibat kemiripan karakteristik visual antar jenis daun. Penelitian ini bertujuan menganalisis performa arsitektur NASNet Mobile dalam mengklasifikasikan jenis daun singkong secara otomatis pada dataset yang tidak seimbang. Dataset terdiri dari tiga kelas, yaitu daun singkong karet, daun singkong papua, dan daun singkong sayur. Sebelum proses pelatihan, data melalui tahap preprocessing berupa normalisasi dan resize citra, serta augmentasi untuk meningkatkan kualitas dan variasi data. Model dilatih menggunakan arsitektur NASNet Mobile dan dievaluasi menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model NASNet Mobile memperoleh akurasi sebesar 94% dengan weighted average precision sebesar 0,94, recall sebesar 0,94, dan F1-score sebesar 0,94. Hasil tersebut menunjukkan bahwa NASNet Mobile mampu melakukan klasifikasi jenis daun singkong.
Klasifikasi Kualitas Telur Ayam Berdasarkan Identifikasi Warna Cangkang Menggunakan MobileNetV2 Sephia Ceren; Made Ayu Dusea Widyadara; Daniel Swanjaya
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/yrhpk323

Abstract

Kualitas telur ayam merupakan salah satu faktor penting dalam menentukan nilai konsumsi dan kualitas distribusi produk pangan. Proses penilaian kualitas telur secara konvensional masih dilakukan secara manual sehingga memerlukan waktu, biaya, dan ketelitian yang tinggi. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi kualitas telur ayam berbasis pengolahan citra digital menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Dataset yang digunakan merupakan citra telur ayam yang diperoleh secara mandiri dan dikelompokkan ke dalam tiga kategori kualitas, yaitu tinggi, sedang, dan rendah. Masing-masing kelas terdiri dari 100 citra, kemudian dilakukan proses augmentasi sehingga total dataset menjadi 1800 citra. Tahapan penelitian meliputi pengumpulan dataset, preprocessing, augmentasi data, pelatihan model, serta evaluasi performa. Proses preprocessing dilakukan dengan resize citra menjadi 224×224 piksel dan normalisasi data agar sesuai dengan input MobileNetV2. Model dilatih menggunakan optimizer Adam dan fungsi loss sparse categorical crossentropy. Evaluasi model dilakukan menggunakan confusion matrix dan classification report. Berdasarkan hasil pengujian, arsitektur MobileNetV2 berhasil mencapai nilai akurasi akhir sebesar 98,10% dengan performa yang stabil dan seimbang dalam mengklasifikasikan seluruh tingkatan kualitas telur. Temuan ini membuktikan bahwa pendekatan deep learning non-destruktif berbasis identifikasi warna cangkang dapat diimplementasikan secara efektif untuk mendukung otomasi sortasi pada industri pangan.
Co-Authors Achmad Fachrudi, Rafi Adhitia, Riswandha Adiguna, Yosafat Agus Zainal Arifin Ahmad Fakhruddin Luthfi Ahmad Fitra Hamdani Aji, Abraham Dimas Bayu Al Farizi, Mochammad Aldestra Bagus Wardana ALFIANA HIDAYATI Ali Maksum Alif Utama, Muh. Sandyoga Andreas Setiawan Anugraha, Aldino Alung Putra Aohana, Mizanul Ridho Arfyanda Dela Shefira Arkham, Dany Arrie Kurniawardhani Attar, Alfan Faradudin Audina, Risky Ayu Meudea, Prita Azhar, Rizki Azhri, M. Fahrur Baehaqie, Lu'ay Chastine Fatichah Danang Wahyu Widodo Danar Putra Pamungkas, Danar Putra Dela Karmeylia Putri Dhimas Taka Desfrika Perdana Diana Purwitasari Dusea Widya Dara, Made Ayu Duwita Yuli Harsasi EKA YUNIARTI Encil Puspitoningrum, Encil Essa, Idam Iganda Fachrudin, Muhammad Nur Fahmi, M Taufiq Maulana Febriana, Fitri Indah Feriawan, Jimmy Firdaus, Maulana Anas Firdaus, Mochammad Fedro Firmansyah, Muhammad Kukuh Fitri Bimantoro Handoko, Muhammad Diko Tri Hidhayah, Ratu Nisful Laily Indra Lukmana Intan Nur Farida Iqbal Jauhari, Nur Mohamad Iqbal Jauhari Irfan - Fauzi Julian Sahertian Junio Boy Smara Dinso Kinanti, Intan Anggun Kristianto, Yunio Heri Kurniawan, Afizza Fikri Kurniawan, Dimas Eri Laksono, Danang Tri Laurenza Aprilya Melati Mabruroh, Tsalina Tsaniatul Made Ayu Dusea Mahdiyah, Umi Mahendra, Rizqi Maulana Moch Anas Toybah mohamad ihsan MUCHAMMAD YOHAN EKA ANDREANE Muhammad Abdul Aziz Muhammad Arief Pramana Muhammad Rizal Arif Muhammad Rohid Saputro Mumun Nurmilawati Mumun Nurwilawati Muqsit, Mochammad Ainun Nabila, Kharisma Nur Nafika S.M Nahdiyah, Yuniswatin Natalia, Devi Nawawi, Moh. Danang Novia, Talitha Ayudhea Nugroho, Bagas Aji Nugroho, Hargo Dwi Nur’azizan, Achmad Hasyim Odhianto, Yosan Pamungkas, Danar Patmi Kasih Patmi Kasih Petrus Bitin Prasetyo, Muhammad Ary Pratama, Dieky Septhian Rastra Pristiwanto, Rizal’ Chris Putri Lestari, Elok Eka Kartika Putri, Dhaniar Ruandha Ramadhan, Ryan Akbar Ratih Kumalasari Niswatin Resty Wulanningrum Risa Helilintar Riska Eka Widya Pitaloka Risky Aswi Ramadhani RIZQI VIERI, MUHAMMAD ARIEL Rohmat Syamsul Huda Rony Heri Irawan Rosa Imani Khan Rozi, Ahmad Fatkhur S. Kom. M. Kom Salam, Mohammad Ibnu Salfa Kholida Eka Putri Sanditya Arry Prabowo Saputra, Muh. Aris Saputra, Nanda Wibi Saputro, Daniel Sari, Dwi Fitriana Sari, Lya Rosita Seftania, Putri Derisa Adilla Dewi Sehartian, Julian Sephia Ceren Septian Geges Subagyo, Subagyo Subiyantoko, Rizki Sugiarto, Danami Bay Sukma Seta Ardian Suryaningtias, Dini Haris Tantyo, Bagas Wahyu Nur Teo Sunu Widiantoro Toybah, Moch Anas Ulandari, Devy Ana Umi Roziqoh Usman, Tamariska Viana, Ella Okta Virginia Abuk Klau Wibowo, Nevi Harisuci Widya Dara, Made Ayu Dusea Widyadara , Made Ayu Dusea wijaya, Krisna atma Wijayanto, Muhammad Farid Witanto, Nur Kholiq Yoga Wulaningrum, Resty Yenita Endah Puspitowati Yenita Endah Puspitowati, Yenita Endah Yeshinta Mira Yolanda Zamzamik, Mochamad Zuhri, Mohamad Farkhan Fahmi Zulaikah, Dewi Zulkarnain, Dicky Candra