Article Per Year (5 Year)
p-Index From 2021 - 2026
7.469
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Jurnal Simetris Prosiding SNATIKA Vol 01 (2011) Nusanatara of Engineering Network Engineering Research Operation [NERO] CogITo Smart Journal Jurnal Sains dan Informatika DoubleClick : Journal of Computer and Information Technology Progresif: Jurnal Ilmiah Komputer Generation Journal Jurnal ABDINUS : Jurnal Pengabdian Nusantara JATI (Jurnal Mahasiswa Teknik Informatika) Indonesian Journal of Electrical Engineering and Computer Science Jurnal Teknologi dan Riset Terapan (JATRA) Joutica : Journal of Informatic Unisla Nusantara of Engineering (NOE) Jurnal Maklumatika Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Ratih Kumalasari Niswatin
Program Studi Teknik Informatika, Fakultas Teknik, Universitas Nusantara PGRI Kediri
Aerospace Engineering 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 Mathematics Mechanical Engineering Transportation

Published : 90 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 90 Documents
Search

 5   6   7   8   9 
Implementasi Naive Bayes Pemilihan Ekstrakurikuler ABIDIN, ZANWAR; Ratih Kumalasari Niswatin; Rony Heri Irawan
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/cbmqmt81

Abstract

Ekstrakurikuler disuati sekolah merupakan sebuah wadah bagi murid untuk mengembangkan ketrampilan sesuai dengan minat dan bakat yang dimiliki. SMA Negeir 2 Nganjuk adalah salah satu satuan pendidikan terfavoit di kabupaten nganjuk. Adapun bidang ekstrakurikuler yang dimiliki meliputi olahraga, seni dan teknologi. Terdapat 3 kelompok bidang ekstrakurikuler yang wajib dipilih murid salah satunya dengan mekanisme yang telah ditentukan oleh sekolah seperti ters tertulis. Dengan tes tersebut akan ditentukan klasifikasi ekstrakurikuler sesuai dengan minat dan bakat yang dimiliki oleh murid. Pada penelitian ini, dilakukan dengan penerapan metode naive bayes untuk melakukan klasigikasi nilai dan akan menghasilkan sebuah rekomendasi dalam menentukan ekstrakurikuler sesuai dengan minat dan bakat dari murid. Untuk menentukan klasifikasi ekstrakurikuler murid, variabel yang digunakan adalah pertanyaan dan pilihan jawahan yang akan menjadi acuan penentuan klasifikasi. Berdasarkan hesil penelitian yang dilakukan oleh sistem pemilihan ekstrakurikuler dapat memberikan rekomendasi jenis ekstrakurikuler yang sesuai melalui ciri-ciri minat dan bakat yang dimiliki. 
Implementasi YOLOv8 untuk Deteksi Otomatis Kualitas Stroberi Berbasis Web Salfa Kholida Eka Putri; Ratih Kumalasari Niswatin; Daniel Swanjaya
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/pra3xa45

Abstract

Permasalahan dalam membedakan stroberi segar dan busuk sering kali menyulitkan, terutama bagi konsumen awam. Beberapa buah memperlihatkan tanda-tanda yang meragukan, sehingga sulit dipastikan apakah buah tersebut sudah busuk atau masih layak konsumsi. Untuk mengatasi hal tersebut, penelitian ini mengembangkan sistem deteksi otomatis berbasis web menggunakan metode YOLOv8. Dataset diperoleh melalui pengambilan gambar langsung dan sumber daring, kemudian dilakukan augmentasi serta pelabelan menggunakan platform Roboflow. Model YOLOv8n dilatih dan diintegrasikan ke dalam aplikasi web berbasis Flask yang mendukung deteksi melalui kamera dan unggahan gambar. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan stroberi dengan akurasi sebesar 94,20%. Sistem ini berpotensi menjadi solusi praktis untuk membantu masyarakat dalam mengidentifikasi kualitas stroberi secara cepat dan akurat. Sebagai saran pengembangan selanjutnya, sistem ini dapat ditingkatkan dengan memperbanyak jumlah dan variasi dataset, serta dikombinasikan dengan sensor kelembapan atau fitur berbasis Internet of Things (IoT) untuk memperoleh hasil yang lebih presisi dan kontekstual.
ANALISIS EFEKTIVITAS MEDIAN FILTER PADA PENINGKATAN KUALITAS CITRA HASIL SCAN DENGAN METRIK MSE DAN PSNR Wahyu Fatkurrohman; Risky Aswi Ramadhani; Ratih Kumalasari Niswatin
Nusantara of Engineering (NOE) Vol 9 No 01 (2026): Volume 9 Nomor 1 - 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/noe.v9i01.26140

Abstract

Penurunan kualitas citra digital pada dokumen hasil pemindaian disebabkan oleh noise seperti salt-and-pepper, gaussian, dan derau periodik. Penelitian ini mengevaluasi efektivitas Median Filter dalam meningkatkan kualitas citra dokumen CamScanner menggunakan metrik MSE dan PSNR. Metodologi menggunakan 16 citra berwarna dengan variasi pencahayaan (terang/redup), lampu kilat (ya/tidak), jenis konten (teks/gambar), dan filter aplikasi (original/Warna Ajaib). Filtering menggunakan kernel Median Filter 3×3 di MATLAB R2023b. Evaluasi dilakukan dengan menghitung MSE dan PSNR antara citra asli dan hasil filtering. Hasil menunjukkan Median Filter berhasil meningkatkan kualitas seluruh citra dengan PSNR 32,18-51,24 dB (rata-rata 42,67 ± 5,23 dB), semua di atas threshold 30 dB. MSE berkisar 0,49-39,39 (rata-rata 10,15 ± 12,48). Pencahayaan terang menghasilkan PSNR rata-rata 44,18 dB, pencahayaan redup 41,16 dB. Citra gambar menunjukkan performa lebih baik dengan PSNR rata-rata 45,12 dB dibandingkan citra teks 40,22 dB. Median Filter terbukti efektif mengurangi noise sambil mempertahankan detail penting, layak diimplementasikan untuk peningkatan kualitas dokumen digital hasil pemindaian.
Implementasi Algoritma Random Forest untuk Klasifikasi Keberhasilan Pembibitan Bougenville Berbasis Internet of Things Ilham Firmansyah; Julian Sahertian; Ratih Kumalasari Niswatin
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/cj6gk313

Abstract

Efisiensi pembibitan vegetatif bougenville sangat dipengaruhi oleh stabilitas mikroklimat. Pemantauan konvensional pada skala usaha mikro sering memicu kegagalan akibat keterlambatan penanganan fluktuasi lingkungan. Penelitian ini mengintegrasikan sistem pemantauan berbasis Internet of Things dengan algoritma Random Forest untuk mengklasifikasikan keberhasilan pembibitan selama siklus empat puluh hari. Sistem mengakuisisi data suhu, kelembaban udara, intensitas cahaya, kelembaban tanah, dan pH secara kontinu. Eksperimen menggunakan basis data berisi 6.659 rekaman menunjukkan model klasifikasi mencapai akurasi sebesar 82,21 persen. Melalui analisis tingkat kepentingan fitur, ditemukan bahwa suhu udara, kelembaban tanah, dan pH merupakan parameter paling deterministik dalam kelangsungan hidup stek batang. Sistem ini berfungsi sebagai instrumen pendukung keputusan untuk optimalisasi produksi hortikultura cerdas
Sistem IoT Berbasis MQTT untuk Billing Otomatis dan Monitoring Energi Meja Biliar Yan Yusril Muzaky; Julian Sahertian; Ratih Kumalasari Niswatin
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: 10.29407/3mj61k88

Abstract

Usaha penyewaan meja biliar umumnya masih dikelola secara manual sehingga rawan ketidakakuratan data, pemborosan energi, dan ketiadaan laporan transaksi. Penelitian ini membangun sistem berbasis Internet of Things (IoT) yang mengintegrasikan mikrokontroler ESP32, protokol MQTT, relay, sensor daya PZEM-004T, dan aplikasi web Laravel untuk mengotomasi billing sekaligus mengendalikan lampu meja biliar secara real-time. Sistem menerapkan mekanisme prepaid: lampu menyala otomatis saat transaksi dikonfirmasi dan padam sendiri ketika durasi habis. Pengujian menunjukkan waktu respons rata-rata ±0,40 detik dengan keberhasilan komunikasi MQTT 100% dari 20 percobaan. Akurasi billing terbukti tanpa selisih terhadap perhitungan manual pada empat skenario uji. Dashboard menyajikan monitoring status meja, estimasi konsumsi daya PZEM-004T, dan laporan keuangan harian. Seluruh 12 fitur lulus uji fungsional dan pengguna menyatakan sistem mudah dioperasikan tanpa pelatihan teknis.
ANALISIS QUALITY OF SERVICE (QoS) PROTOKOL MQTT PADA SISTEM SMART SOLAR PANEL BERBASIS MIKROKONTROLER ESP32 M. Rizal Umami; Julian Sahertian; Ratih Kumalasari Niswatin
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/hzsdwq09

Abstract

Efisiensi panel surya sering kali menurun akibat penumpukan debu dan fluktuasi suhu. Riset ini merupakan kelanjutan dari program pengabdian masyarakat Greenhouse Kokonat Plant yang telah dipublikasikan di Jurnal Dimastara (Sinta 5). Guna meningkatkan responsivitas kendali otomatis, arsitektur komunikasi berbasis Firebase dialihkan menggunakan protokol MQTT. Kinerja jaringan nirkabel lokal diuji secara eksperimental menggunakan mikrokontroler ESP32 dengan mengalirkan 527 paket data telemetri. Berdasarkan standar TIPHON dan keandalan sistem terdistribusi, pengujian difokuskan pada enam parameter QoS murni. Hasil menunjukkan rata-rata latency sebesar 90,6 ms (Sangat Bagus) dan jitter 5,4 ms (Bagus). Nilai packet loss mencapai 0,0%, yang menjamin parameter availability dan reliability mutlak sebesar 100%. Meskipun laju data throughput rata-rata berada pada kategori buruk (114,25 bps), karakteristik ini membuktikan bahwa arsitektur MQTT sangat hemat bandwidth dan tidak membebani trafik Wi-Fi lokal, sehingga sangat andal untuk otomatisasi pembersihan panel surya.
Identifikasi Dini Penyakit Kulit Sapi Melalui Pendekatan Pengolahan Citra Digital Muhammad Farros; Ratih Kumalasari Niswatin; Danar Putra Pamungkas
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/tgsrkc30

Abstract

Abstrak—Penelitian ini dimaksudkan untuk pengembangan model deteksi penyakit kulit pada sapi yang berbasis citra digital menggunakan arsitektur MobileNetV2. Dataset yang digunakan terdiri dari 1.319 citra dengan tiga kelas, yaitu LSD, Ringworms, dan Sapi Sehat. Data tersebut kemudian dibagi menjadi data latih, data validasi, dan data uji dengan rasio 70:20:10. Tahapan penelitian meliputi pra-pemrosesan citra, augmentasi data, pelatihan model, fine-tuning, dan evaluasi menggunakan accuracy, precision, recall, F1-score, serta confusion matrix. Hasil pengujian menunjukkan bahwa model memperoleh akurasi sebesar 75,56 persen dengan nilai test loss sebesar 0,6646. Kelas Sapi Sehat memperoleh performa terbaik dengan F1-score sebesar 0,86. Hasil penelitian menunjukkan bahwa MobileNetV2 dapat digunakan sebagai dasar sistem deteksi awal penyakit kulit sapi, meskipun peningkatan dataset dan kualitas citra masih diperlukan. Kata Kunci— citra digital, MobileNetV2, penyakit kulit sapi Abstract— This study is intended for the development of a cattle skin disease detection model based on digital images using the MobileNetV2 architecture. The dataset used consists of 1,319 images with three classes, namely LSD, Ringworms, and Healthy Cattle. The data were then divided into training data, validation data, and test data with a ratio of 70:20:10. The research stages include image preprocessing, data augmentation, model training, fine-tuning, and evaluation using accuracy, precision, recall, F1-score, and confusion matrix. The test results showed that the model achieved an accuracy of 75.56 percent with a test loss of 0.6646. The Healthy Cattle class achieved the best performance with an F1-score of 0.86. The results indicate that MobileNetV2 can be used as the basis for an early detection system for cattle skin diseases, although improvements in the dataset and image quality are still needed. Keywords— cattle skin disease, digital image, MobileNetV2
Pengaruh Teknik Pre-Processing Citra X-Ray terhadap Performa ResNet18 dalam Klasifikasi Penyakit Paru-Paru Alvino Graha Nusantara; Ratih Kumalasari Niswatin; Danar Putra Pamungkas
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/rh544w60

Abstract

Kanker paru-paru merupakan penyakit dengan tingkat kematian tertinggi yang membutuhkan deteksi dini untuk meningkatkan peluang kesembuhan pasien. Penggunaan citra X-ray dada sering terkendala masalah kontras rendah dan noise. Penelitian ini bertujuan menganalisis pengaruh penerapan teknik pre-processing citra terhadap performa model ResNet18 dalam mengklasifikasikan kelainan paruparu menggunakan 3.475 data dari Kaggle. Tahapan pre-processing yang diterapkan meliputi grayscale conversion, resizing, CLAHE, normalization, dan Gaussian Filtering. Hasil penelitian menunjukkan bahwa penerapan pre-processing berhasil meningkatkan performa model secara konsisten, dengan nilai akurasi meningkat dari 85,0% menjadi 87,5%, presisi menjadi 90,2%, recall menjadi 85,3%, dan F1-score menjadi 87,6%. Model juga menunjukkan tingkat kepercayaan prediksi mencapai 99,01% dengan waktu pemrosesan efisien sebesar 1,391 detik. Kesimpulannya, pengondisian data masukan terbukti secara signifikan mengoptimalkan ekstraksi fitur visual model sehingga sangat potensial diimplementasikan sebagai alat bantu triase medis yang cepat dan akurat.
Perbandingan Model EfficientNetV2B0 dan ResNet50 untuk Klasifikasi Citra Penyakit Mulut dan Kuku pada Sapi Farhan Kumara Abdiel; Ratih Kumalasari Niswatin; Danar Putra Pamungkas
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: 10.29407/817cfc93

Abstract

Abstrak—Penyakit Mulut dan Kuku (PMK) merupakan penyakit menular pada hewan ternak yang berdampak besar terhadap perekonomian peternak. Deteksi dini berbasis citra digital menggunakan deep learning menjadi pendekatan yang menjanjikan untuk mendukung identifikasi PMK secara cepat dan efisien. Penelitian ini membandingkan dua arsitektur Convolutional Neural Network (CNN), yaitu EfficientNetV2B0 dan ResNet50, dalam mengklasifikasikan citra sapi ke dalam empat kelas: Kuku_PMK, Kuku_Sehat, Mulut_PMK, dan Mulut_Sehat. Dataset berjumlah 406 citra asli yang kemudian diperbesar menjadi 2.400 citra melalui augmentasi offline, dengan pembagian 80:20 untuk data latih dan validasi. Kedua model dilatih menggunakan transfer learning dua fase dengan optimizer Adam dan teknik fine-tuning. Hasil evaluasi menunjukkan bahwa ResNet50 mencapai akurasi 92,50% dan F1-score makro 0,93, sedangkan EfficientNetV2B0 menghasilkan akurasi 91,25% dengan F1-score makro 0,92. Meskipun ResNet50 unggul secara akurasi, EfficientNetV2B0 lebih efisien dari sisi jumlah parameter, menjadikannya kandidat potensial untuk implementasi pada perangkat dengan sumber daya terbatas.
IMPLEMENTASI KLASIFIKASI DUA TAHAP BERBASIS MOBILENETV2 PADA APLIKASI ANDROID UNTUK DETEKSI DAN KLASIFIKASI VARIETAS MANGGA Toni Gunawan; Ratih Kumalasari Niswatin; Danar Putra Pamungkas
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: 10.29407/6dkt6g67

Abstract

Indonesia memiliki beragam varietas mangga lokal. Namun, kemiripan morfologi antarvarietas membuat proses identifikasi secara manual rentan mengalami kesalahan. Penelitian ini bertujuan untuk mengembangkan aplikasi Android berbasis MobileNetV2 dengan pendekatan Two-Stage Classification untuk mendeteksi objek mangga dan mengklasifikasikan varietasnya secara otomatis. Dataset yang digunakan terdiri atas 400 citra untuk model deteksi dan 600 citra untuk model klasifikasi varietas mangga. Tahap preprocessing meliputi resize citra, normalisasi, dan augmentasi data. Model hasil pelatihan kemudian dikonversi ke format TensorFlow Lite agar dapat diintegrasikan ke dalam aplikasi mobile. Hasil evaluasi internal menunjukkan bahwa model deteksi memperoleh akurasi sebesar 88%, sedangkan model klasifikasi memperoleh akurasi sebesar 91%. Pengujian aplikasi pada data riil dilakukan menggunakan 25 citra, yang terdiri atas 20 citra mangga dan 5 citra non-mangga. Dari 20 citra mangga, sistem berhasil mengklasifikasikan 18 citra dengan benar dan mengalami 2 kesalahan prediksi. Sementara itu, seluruh 5 citra non-mangga berhasil dideteksi dengan benar sebagai objek non-mangga. Meskipun demikian, faktor latar belakang, pencahayaan, dan sudut pengambilan gambar masih memengaruhi nilai probabilitas sistem dalam melakukan prediksi pada data riil.
Co-Authors ABIDIN, ZANWAR Adi Wibawa, Maistro Eka Bayu Affandi, M. Rizki Ahmad Bagus Setiawan Ahmad Shiddiq, Ahmad Ahmadi, Yansyah Nurullah Aldiansyah, Ahmad Ilham Alfatih, Muhamad Jallu Alvino Graha Nusantara Anasrudin, Rohman Sulton Ardi Sanjaya Arie Nugroho, Arie Arie, Theo Yan Azhri, M. Fahrur Bagus Fadzerie Robby Bagus Setyo Cahyono Bahrudin, Mochamad Ari Cahyo, Galih Nur Danar Putra Pamungkas, Danar Putra Daniel Swanjaya Diah Nurdiwaty Dwi Akbar, Mohamad Anjas Erna Daniati Fadzerie Robby, Bagus Faisol Faisol Fajar Rohman Hariri Farhan Kumara Abdiel Fikriansyah, Mochammad Wildan Finanto, Naufal Firman Syah, Azriel Akbar Ginting, Sri Widyanti Hanggara, Nazil Rizqi Heru Suhartono, Wawan Hidayatullah, Sadam Ibrahim, Rahmad Idris Efendi, Idris Ignatius Juan Hartantiko Ilham Firmansyah Intan Nur Farida Jayanto, Andin Dwi Julian Sahertian Krisnawan, Apreado Gilang Kurniawan, Muhammad Akbar Kuswantoro, Moch. Yanuariadin Pujo Larasati, Adelya Dwi Linawati Linawati Ludfie, Miftachul M. Rizal Umami Mahdiyah, Umi Mahesa Difa Ramadhan mohamad ihsan Muhaimin, Mohammad Aqil Muhammad Farros Muttaqien, Hidayatul Niswatin , Ratih Kumalasari Nugraha, Reza Setya Nugraha, Yoga Adi Nugroho, Hargo Dwi Patmi Kasih Prasetya, Bagus Dwi Prastya, Damar Zanuar Eka Putra, Ilham Permana Quluby, I Burhan Rasi, Yoseph Rikardus Resty Wulanningrum Resty Wulanningrum Restyono, Teddy Rezaldy, Donni Ria Permata Sari Rina Firliana Rini Indriati Rini Indriati Risa Helilintar Risa, Helilintar Risky Aswi Ramadhani Rismantoro, Ganang Rizakatama, Moh. Rohman Rony Heri Irawan Salam, Mohammad Ibnu Salfa Kholida Eka Putri Saputra, Nanda Wibi Satria, Akhbar Setiawan, Bangkit Abraham Putra Setiawan, M. Debby Candra Setyowati, Marshela Dewi Se’bianto, Yogik Sihabudin, Erik Siregar, Muhammad Fariz Hardiansyah Surya, Wahyu Baskara Taufiqurrahman Taufiqurrahman Toni Gunawan Trianto, Bagus Ulfatus Syaidah Valentino, Irgis Prahara Vivi Ratnawati Vivi Wahyuni, Vivi Wahyu Fatkurrohman Yan Yusril Muzaky