Claim Missing Document
Check
Articles

Found 7 Documents
Search
Journal : Nusantara of Engineering (NOE)

Sistem Absensi Sistem Absensi Berbasis Face Recognition Di SMA Queen Al-Falah: Sistem Absensi Berbasis Face Recognition Di SMA Queen Al-Falah Rony Heri Irawan; Muhammad Nawawi; Umi Mahdiyah
Nusantara of Engineering (NOE) Vol 6 No 2 (2023): Volume 6 No 2 Tahun 2023
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/noe.v6i2.20869

Abstract

Perkembangan teknologi yang pesat memudahkan akses informasi dan pekerjaan dalam berbagai aspek kehidupan. Namun, absensi manual di lembaga seperti pendidikan memiliki kelemahan yang memungkinkan terjadinya manipulasi oleh pihak yang tidak bertanggung jawab. Di SMA Queen Al-Falah sering terjadi permasalahan antara lain kecurangan dan kurangnya efisiensi waktu. Untuk mengatasi masalah tersebut, penulis merancang sebuah sistem presensi berbasis face recognition sebagai salah satu alternatifnya. Pengenalan wajah adalah teknologi biometrik yang menggunakan algoritma untuk membedakan orang berdasarkan data wajah dalam database. Algoritme Viola-Jones, terkenal dengan pengenalan wajah, digunakan untuk mendeteksi wajah secara real time. Penelitian ini mengusulkan penggunaan aplikasi “Sistem Absensi Berbasis Face Recognition di SMA Queen Al-Falah” sebagai solusi dari permasalahan absensi manual.
Pemodelan Gaya Belajar Siswa dengan Menggunakan Support Vector Machine Bagas Dwi Pranata; Umi Mahdiyah; Patmi Kasih
Nusantara of Engineering (NOE) Vol 6 No 2 (2023): Volume 6 No 2 Tahun 2023
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/noe.v6i2.20884

Abstract

Gaya belajar siswa memiliki pengaruh signifikan dalam pemahaman dan penyerapan materi pelajaran. Penelitian ini bertujuan untuk menggunakan metode Support Vector Machine (SVM) dalam mengklasifikasikan gaya belajar siswa dan membentuk kelompok belajar yang sesuai. Dalam penelitian ini, data gaya belajar siswa dikumpulkan dan dianalisis menggunakan SVM sebagai algoritme klasifikasi. Evaluasi hasil menunjukkan tingkat akurasi sebesar 88% dengan confusion matrix. Hasil ini mengindikasikan bahwa SVM efektif dalam menentukan kelompok belajar yang serupa berdasarkan gaya belajar siswa. Penelitian ini memberikan kontribusi penting dalam memahami pentingnya penyesuaian gaya belajar siswa, yang memungkinkan guru untuk mengoptimalkan pengelompokan siswa berdasarkan gaya belajar individu mereka. Selain itu, hasil evaluasi juga memberikan informasi lengkap tentang kinerja model SVM termasuk confusion matrix. Dengan tingkat akurasi yang memadai, penelitian ini dapat mendukung pengembangan lingkungan pembelajaran yang inklusif, responsif, dan efektif bagi siswa.
Perbandingan Metode Adaptive Boosting dan Extreme Gradient Boosting Untuk Prediksi Hasil Pertandingan Liga Spanyol Muhammad Rohid Saputro; Umi Mahdiyah; Daniel Swanjaya
Nusantara of Engineering (NOE) Vol 7 No 1 (2024): Volume 7 No. 1 Tahun 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/noe.v7i1.20882

Abstract

Sepakbola merupakan olahraga yang paling terkenal di seluruh dunia dengan hampir 4 miliar pengagum dari berbagai belahan bumi. Negara besar di Eropa memiliki kompetisi sepakbola yang terstruktur dan memiliki tingkatan kompetisi yang lengkap. Algoritma AdaBoost dan XGBoost merupakan metode machine learning yang dapat digunakan untuk mengatasi suatu permasalahan yang berhubungan dengan deret dan situasi peramalan. Perlunya mengetahui prediksi kemenangan tim pertandingan sepak bola Liga Spanyol selalu menjadi pembahasan yang tidak pernah dilewatkan oleh penggemar sepak bola, oleh karena itu prediksi sangat berguna untuk para penggemar sepakbola dan pelatih tim sepak bola dapat mengantisipasi suatu kejadian yang mendatang. Misalnya, penggemar ataupun pelatih tim sepak bola Liga Spanyol dapat memperkirakan kemenangan tim pada masa mendatang. Data yang digunakan menggunakan dataset statistik pertandingan 2 tingkat teratas Liga Spanyol selama 4 musim yaitu pada musim 2018/2019 sampai musim 2021/2022 yang didapat dari www.football-data.co.uk. Pengujian menggunakan metode AdaBoost memperoleh tingkat akurasi sebesar 64,02%, dan metode XGBoost memperoleh tingkat akurasi sebesar 61,79%. Dari hasil pengujian yang telah dilakukan pada dataset Liga Spanyol musim 2018/2019 sampai 2021/2022, menunjukkan bahwa metode AdaBoost memperoleh hasil yang lebih baik jika dibandingkan dengan metode XGBoost.
Game Edukasi Pengenalan Gamelan Jawa Sebagai Media Pembelajaran Arie Putra, Zamima Daffa Rizki; Irawan, Rony Heri; Mahdiyah, Umi
Nusantara of Engineering (NOE) Vol 7 No 1 (2024): Volume 7 No. 1 Tahun 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/noe.v7i01.20891

Abstract

Perkembangan teknologi informasi diberbagai bidang membuat siapa saja dapat dengan mudah untuk mengakses informasi. Perkembangan teknologi yang diminati dikalangan anak-anak dan orang dewasa salah satunya adalah game. Game yang awalnya hanya untuk bersenang-senang, sekarang bisa dibuat untuk media pembelajaran yang menarik dan interaktif. Dalam dunia Pendidikan kemajuan teknologi juga semakin berkembang, misalnya dalam media pembelajaran. Pemanfaatan teknologi informasi di bidang pendidikan dapat memberikan solusi dan mempermudah dalam proses pembelajaran, contohnya seperti game edukasi. bahkan game yang akan peneliti rancang sekarang. Pembuatan game tidak hanya ditujukan sebagai sarana hiburan, tetapi juga untuk sarana pembelajaran. Dari permasalahan yang ada, peneliti tertarik untuk merancang game edukasi pengenalan gamelan jawa sebagai media pembelajaran digital yang baik dan menarik. Hasil penelitian yang dilakukan berupa game edukasi “Pengenalan Gamelan Jawa”, didalam game tersebut akan membahas tentang pengenalan gamelan jawa. Hasil uji coba Blackbox pada game “Pengenalan Gamelan Jawa” semua berjalan lancar, mulai dari fungsi tombol dan gameplay.
Implementasi Metode Transformasi Wavelet Diskrit Dengan K-Nearest Neighbor Untuk Klasifikasi Penyakit MataKata Alghozali, Muhammad Attiqi; Pamungkas, Danar Puta; Mahdiyah, Umi
Nusantara of Engineering (NOE) Vol 7 No 2 (2024): Volume 7 Nomor 2 - 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/noe.v7i02.22889

Abstract

The eye is an organ in humans that functions as seeing objects around with the reflection of light received by the retina. This sense of vision can be affected by diseases that often occur, including cataracts, as well as other diseases such as glaucoma and retinal disease. The eye disease will interfere with the activities of the sufferer and can also attack his psyche. In examining and ensuring that eye diseases can be done by utilizing technology, with the development of technology to identify eye diseases can be done. Through an image of the patient's retinal fundus, the image can be processed using the image processing method. By combining image processing with classification methods from machine learning, images can be processed until they are identified in the class. This study was conducted with the aim of classifying eye diseases using the discrete wavelet transformation method with K-nearest neighbor, obtaining an accuracy level of 61% in the classification of a class. These results indicate that the classification can be done quite well, but in the results obtained, not all classes can classify well. Using datasets from Kaggle 300 normal eye datasets, 100 cataract eye datasets, 101 glaucoma eye datasets, and 100 retinal disease eye datasets, there are 4 classes of retinal fundus images. The retinal fundus is an image obtained as a result of capturing using a tool called the Ophthalmoscope where this tool helps illuminate and magnify the image in the eye to produce a capture of the retinal fundus.
Optimasi Prediksi Harga Ayam Boiler Berdasarkan Time Series Data dan Kondisi Eksisting Menggunakan Decision Tree Niswatin, Ratih Kumalasari; Setiawan, Ahmad Bagus; Mahdiyah, Umi
Nusantara of Engineering (NOE) Vol 8 No 02 (2025): Volume 8 Nomor 2 - 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/noe.v8i02.24878

Abstract

Predicting the price of boiler chicken is important in the chicken farming industry. Business actors need to have accurate price estimates as a reference in planning production and sales. However, precise and accurate price predictions can be challenging because they are influenced by various factors such as market conditions, demand, supply, and other factors. Therefore, this research was conducted to develop a boiler chicken price prediction method that can optimize prediction results by utilizing time series data and existing conditions using the Decision Tree C.45 algorithm. The aim of this research is to optimize boiler chicken price predictions based on time series data and existing conditions using the Decision Tree C.45 algorithm. By processing time series data and analyzing existing conditions, it is hoped that a more accurate prediction model can be obtained and can provide better results in predicting the price of boiler chicken. Apart from that, by implementing the Decision Tree C.45 algorithm, this research also aims to test the effectiveness of this algorithm in predicting the price of boiler chicken. The result of this research is a system that can accurately predict the price of boiler chicken, so that it can be used as an important basis for making decisions regarding determining the price of boiler chicken and inventory management.
Hybrid Ensemble Learning Sistem Keamanan Jaringan Untuk Meningkatkan Performa Deteksi Anomali Irawan, Rony Heri; Irawan, Rony Heri Irawan; Nico Adi Saputra; Umi Mahdiyah
Nusantara of Engineering (NOE) Vol 8 No 02 (2025): Volume 8 Nomor 2 - 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/noe.v8i02.25617

Abstract

Serangan siber seperti zero-day attacks dan APT menjadi tantangan serius bagi sistem deteksi intrusi jaringan, terutama yang masih mengandalkan metode berbasis tanda tangan. Penelitian ini bertujuan merancang sistem deteksi anomali jaringan berbasis hybrid ensemble learning dengan menggabungkan algoritma Isolation Forest, K-Means, dan Random Forest menggunakan metode majority voting. Proses penelitian meliputi preprocessing data, pelatihan dan evaluasi model menggunakan dataset publik CSE-CIC-IDS2018. Evaluasi dilakukan dengan metrik akurasi, precision, recall, F1-score, dan AUC. Hasil menunjukkan bahwa pendekatan hybrid ini meningkatkan akurasi deteksi hingga 99,9% dan menurunkan false positive secara signifikan dibanding pendekatan tunggal. Sistem yang diusulkan terbukti lebih adaptif dan efisien dalam mengidentifikasi berbagai pola serangan siber, serta memberikan kontribusi terhadap pengembangan teknologi keamanan jaringan yang lebih andal.