Articles
<![CDATA[Training on Making IT-Based Learning Media for Optimizing Learning at MTs Hidayatul Muta'alimin Ds. Sumbercangkring District Gurah ]]>
<![CDATA[Umi Mahdiyah Mahdiyah]]>;
<![CDATA[Patmi Kasih]]>;
<![CDATA[Dwi Bagus Arianto]]>
<![CDATA[ Jurnal Pengabdian Masyarakat Nusantara Vol 1 No 1 (2021): Vol.1 No.1 (Desember 2021) ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/dimastara.v1i1.16910
<![CDATA[Pandemi covid 19 memberikan dampak disemua bidang salah satunya yaitu bidang pedidikan. Dampak utama bidang pendidikan yaitu siswa harus belajar dirumah dengan sistem belajar jarak jauh, hal ini menjadi kesulitan tersendiri bagi guru dan siswa bagi sekolah. Profesional guru benar-benar di uji di masa pandemi saat ini, dimana kompetensi siswa harus tetap meningkat walau dengan sistem pembelajaran yang berbeda. Guru-guru pada MTs Hidayatul Muta’allimin belum terbiasa dengan pembelajaran jarak jauh, sehingga yan dilakukan selama ini adalah membuat grub WA untuk menyampaikan tugas dari dan mengumpulkan tugas dari siswa. Sehingga pembelajaran terasa kurang bermakna.Tujuan kegiatan PKM ini adalah: 1) memberikan pelatihan bagi guru- guru untuk membuat media pembelajaran berbasis IT yang komunikatif; 2) melakukan pelatihan sosialisasi pembelajaran online yang mudah dilakukan dan komunikatif; 3) mencetak guru yang lebih profesional dan berkompeten.]]>
<![CDATA[Pengukuran Kemiripan Makna Menggunakan Cosine Similarity dan Basis Data Sinonim Kata ]]>
<![CDATA[Ardi Sanjaya]]>;
<![CDATA[Ahmad Bagus Setiawan]]>;
<![CDATA[Umi Mahdiyah]]>;
<![CDATA[Intan Nur Farida]]>;
<![CDATA[Aprisa Risky Prasetyo]]>
<![CDATA[ Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 4: Agustus 2023 ]]>
Publisher : <![CDATA[Fakultas Ilmu Komputer, Universitas Brawijaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25126/jtiik.20241046864
<![CDATA[Penelitian ini bertujuan untuk memberikan alternatif dalam menguji kemiripan makna antar 2 kalimat. Pembentukan database sinonim kata dilakukan dengan mengelompokkan kata berdasar sinonim atau yang memiliki kesamaan arti. Masing-masing kelompok kata diberikan ID unik. Selanjutnya setiap kelompok kata dipecah untuk diuraikan menjadi kata tunggal, disimpan pada tabel kata dengan melabeli ID kata dan ID sinonim. ID sinonim didasarkan pada ID unik pada tabel sinonim. Dalam pengujian kemiripan makna, masing-masing kalimat akan di urai menjadi kata dan tiap-tiap kata akan dicocokkan berdasarkan tabel kata dengan acuan ID sinonim. ID Sinonim yang didapat kemudian dilakukan pengukuran jarak vektor dan kemiripan menggunakan rumus cosine similarity. Berdasarkan pengujian dan analisa yang telah dilakukan, dari 25 pengujian didapati 24 nilai kemiripan mengalami peningkatan prosentase. Hal tersebut dikarenakan penggunaan ID yang didasarkan pada kelompok kata dan irisan saat proses pembobotan mampu meningkatkan nilai kemiripan. Rata-rata nilai kemiripan pada penggunaan ID sebagai vektor hitung adalah 94,48% dan rata-rata nilai kemiripan pada metode atau alur pembanding adalah sebesar 69,96%. AbstractThis study aims to provide an alternative in testing the similarity of meaning between 2 sentences. The formation of a word synonym database is done by grouping words based on synonyms or those that have the same meaning. Each group of words is assigned a unique ID. Furthermore, each group of words is broken down to be broken down into single words, stored in the word table labeled word ID and synonym ID. Synonym ID is based on the unique ID in the synonym table. In testing the similarity of meaning, each sentence will be broken down into words and each word will be matched based on the word table with synonym ID references. The synonym ID obtained is then measured by measuring the vector distance and similarity using the cosine similarity formula. Based on the tests and analyzes that have been carried out, out of 25 tests it was found that 24 similarity values experienced an increase in the percentage. This is because the use of ID based on word groups and slices during the weighting process can increase the similarity value. The average similarity value in the use of ID as a calculating vector is 94.48% and the average similarity value in the comparison method or plot is 69.96%.]]>
<![CDATA[Implementation of the AES Algorithm in the Android-Based Hotspot Voucher Purchase Application ]]>
<![CDATA[Irawan, Rony Heri]]>;
<![CDATA[Mahdiyah, Umi]]>;
<![CDATA[Kurniawan, Rizki Dwi]]>
<![CDATA[ Generation Journal Vol 8 No 1 (2024): Generation Journal ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/gj.v8i1.20817
<![CDATA[Pada era digital yang semakin maju, kebutuhan akan akses internet yang cepat dan aman semakin meningkat. Dalam konteks ini, voucher hotspot menjadi salah satu cara yang populer untuk memperoleh akses internet yang terjangkau dan mudah digunakan. Saat ini, penggunaan voucher masih menggunakan metode cetak voucher ke kertas. Hal ini dapat menimbulkan kekurangan salah satunya yaitu menimbulkan sampah kertas bekas voucher tersebut. Dengan permasalahan tersebut, maka dibuatlah sebuah aplikasi pembelian voucher berbasis android dengan implementasi algoritma enkripsi AES. Enkripsi AES adalah algoritma enkripsi yang terkenal karena kemanannya yang sudah terjamin. Tujuan dari penelitian ini adalah membangun sebuah sistem atau aplikasi pembelian voucher hotspot berbasis android dengan enkripsi AES. Dari pengujian sistem yang telah dilakukan dengan metode blackbox, aplikasi yang dibuat telah berjalan sesuai dengan rancangan dan menjawab permasalahan penelitian]]>
<![CDATA[PENERAPAN METODE HOLT WINTERS UNTUK PERAMALAN HARGA SAHAM PT PRODIA WIDYAHUSADA TBK ]]>
<![CDATA[Prasetyo, Muhammad Ary]]>;
<![CDATA[Mahdiyah, Umi]]>;
<![CDATA[Swanjaya, Daniel]]>
<![CDATA[ SKANIKA: Sistem Komputer dan Teknik Informatika Vol 6 No 2 (2023): Jurnal SKANIKA Juli 2023 ]]>
Publisher : <![CDATA[Universitas Budi Luhur ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36080/skanika.v6i2.3051
<![CDATA[The increase in the growth of Indonesian investors is partly due to the Covid-19 pandemic. Investors are moving their assets to investment instruments. One of them is stocks. The research aims to do stock forecasting or prediction to make it easier for investors to determine their investment decisions. Forecasting is an activity to calculate future conditions by utilizing past data and data that affect the situation to be predicted. This research uses forecasting methods with two Holt Winters methods, namely the Additive method and the Multiplicative method with PT Prodia Widyahusada TBK stock price data. To determine the feasibility of the forecasting model, this study uses MAPE to determine the error rate of the method in forecasting. The results of forecasting using the Holt Winters Additive and Holt Winters Multiplicative methods get MAPE values that are both very good. The MAPE value in stock forecast use Holt Winters Additive model method gets a value of 1.81% while the MAPE value in stock forecasting using the Holt Winters Multiplicative method gets a value of 2.06%. From the results of the research that has been done, it can be concluded that the MAPE value in stock forecasting using the Holt Winters Additive model method has the smallest error rate]]>
<![CDATA[Performa Machine Learning Terhadap Analisis Sentimen Pemilu 2024 Melalui Media Digital ]]>
<![CDATA[Arifin, Miranda Putri]]>;
<![CDATA[Mahdiyah, Umi]]>;
<![CDATA[Setiawan, Ahmad Bagus]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 1 (2024): SEMINAR NASIONAL INOVASI TEKNOLOGI 2024 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v8i1.4903
<![CDATA[Pemanfaatan media sosial untuk kepentingan publik sudah banyak digunakan, salah satunya untuk kampanye pemilu presiden 2024. Analisis sentimen bertujuan untuk komputasi kalimat opini berupa teks dari media aplikasi twitter. Dengan menggunakan proses bantuan machine learning didapatkan data crawling yang kemudian diolah dengan teks preprocessing yaitu cleaning, case folding, normalization, stopword remover, tokenization, dan stemming yang kemudian dilanjutkan ke tahap training dan testing kemudian evaluasi dengan Support Vector Machine (SVM). Hasil akhir evaluasi yang didapatkan dengan pemrosesan 50 data dan 100 data dimana perolehan 80% untuk hasil akurasi 50 data sedangkan 70% untuk hasil akurasi 100 data. Hasil yang berbeda ini membuktikan bahwa jumlah banyaknya data dan pemrosesan yang maksimal atau belum maksimal mempengaruhi perolehan hasil yang didapat.]]>
<![CDATA[Implementasi Deep Learning Untuk Pengenalan Penyakit Antraks Pada Buah Cabai ]]>
<![CDATA[Ningrum, Bella Nurbuana Tri Cahya]]>;
<![CDATA[Mahdiyah, Umi]]>;
<![CDATA[Swanjaya , Daniel]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 1 (2024): SEMINAR NASIONAL INOVASI TEKNOLOGI 2024 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v8i1.4918
<![CDATA[Penelitian ini mengimplementasikan Deep Learning, khususnya Convolutional Neural Network (CNN), untuk mendeteksi penyakit antraks pada buah cabai. CNN digunakan untuk mengklasifikasikan citra cabai terinfeksi dan tidak terinfeksi. Data gambar dikumpulkan dan diproses menggunakan TensorFlow's ImageDataGenerator untuk normalisasi, resize, dan pembagian batch. Grafik akurasi pada data pelatihan dan validasi dipantau selama proses pelatihan, sementara akurasi pada data pengujian dievaluasi setelahnya. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengendalian penyakit antraks pada tanaman cabai, meningkatkan hasil panen, dan mengurangi kegagalan panen yang disebabkan oleh penyakit. Implementasi pengenalan penyakit cabai menggunakan Convolutional Neural Network (CNN) menunjukkan bahwa CNN berhasil mengklasifikasikan penyakit Antraks pada cabai. Model mencapai akurasi validasi terbaik sebesar 90% pada epoch ke-23, berdasarkan grafik Training and Validation Loss serta Training and Validation Accuracy.]]>
<![CDATA[Implementasi YOLOv8 Pada Pengenalan Sistem Isyarat Bahasa Indonesia ]]>
<![CDATA[Wibowo, Ridho Kuncoro Adji]]>;
<![CDATA[Sanjaya, Ardi]]>;
<![CDATA[Mahdiyah, Umi]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 1 (2024): SEMINAR NASIONAL INOVASI TEKNOLOGI 2024 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v8i1.4920
<![CDATA[Penelitian ini mengembangkan sistem pengenalan abjad Sistem Isyarat Bahasa Indonesia (SIBI menggunakan YOLOv8 untuk meningkatkan komunikasi antara masyarakat umum dan penyandang tunarungu ataupun tunawicara. Dihasilkan 4 model dengan beberapa variasi parameter meliputi Learning Rate, Batch Size, dan Epoch untuk menentukan kombinasi optimal. Hasil menunjukkan model keempat dengan Batch Size 16 dan Learning Rate 0,001 dengan 20 Epoch memberikan hasil terbaik dengan mAP 0.853. Temuan ini penting untuk meningkatkan akurasi dan efisiensi deteksi isyarat abjad SIBI, serta membantu memperbaiki interaksi sosial penyandang tunarungu ataupun tunawicara]]>
<![CDATA[Identifikasi Penyakit Tanaman Bawang Merah Menggunakan Faster R-CNN dan Arsitektur ResNet50 ]]>
<![CDATA[Kresnawan, Michael Ilham]]>;
<![CDATA[Pamungkas, Danar Putra]]>;
<![CDATA[Mahdiyah , Umi]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 1 (2024): SEMINAR NASIONAL INOVASI TEKNOLOGI 2024 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v8i1.4947
<![CDATA[Bawang merah (Allium ascalonicum) merupakan salah satu komoditas yang memiliki peran cukup penting untuk masyarakat Indonesia sebagai bahan bumbu pelezat suatu masakan, kandungan gizinya dapat digunakansebagai pengobatan herbal, dan memiliki peran dalam hal pertumbuhan ekonomi bangsa. Namun, dalam proses pembudidayaan bawang merah memiliki kendala bagi petani yang mengalami kegagalan panen karena kesulitan dalam menangani penyakit yang menyerang bawang merah. Penelitian ini bertujuan untuk menerapkan metode Faster R-CNN dan arsitektur ResNet50 dalam mengidentifikasi penyakit pada tanaman bawang merah. Alur proses penelitian ini terdiri dari pengumpulan dataset, preprocessing data, implementasi program, dan evaluasi. Proses preprocessing data dilakukan dalam pelatihan, termasuk anotasi dan pelabelan data. Model dilatih dengan beberapa skenario, dimana skenario 1 menggunakan ukuran gambar 600x600 dan skenario 2 menggunakan ukuran gambar 400x400. Hasil dari pengujian menunjukan bahwa skenario terbaik adalah dengan ukuran gambar 600x600 yang mencapai akurasi sebesar 65%.]]>
<![CDATA[Penerapan Metode AHP Dan MOORA Dalam Sistem Rekomendasi Pemilihan Laptop Berbasis Website ]]>
<![CDATA[Ramadhan, Dias Nur]]>;
<![CDATA[Mahdiyah, Umi]]>;
<![CDATA[Swanjaya , Daniel]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 1 (2024): SEMINAR NASIONAL INOVASI TEKNOLOGI 2024 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v8i1.4953
<![CDATA[Kebutuhan akan laptop yang sesuai dengan preferensi pengguna menjadi semakin penting di era digital ini. Seringkali konsumen merasa kesulitan dalam memilih laptop yang sesuai karena banyaknya variasi harga dan jenis laptop yang tersedia. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi pemilihan laptop berbasis website dengan menerapkan metode Analytical Hierarchy Process (AHP) dan Multi-Objective Optimization by Ratio Analysis (MOORA). Metode AHP digunakan untuk menentukan bobot kriteria berdasarkan preferensi pengguna, sementara MOORA digunakan untuk melakukan peringkat alternatif laptop. Hasil penelitian menunjukkan bahwa kombinasi AHP dan MOORA dapat membantu pengambilan keputusan dalam memilih laptop sesuai dengan kebutuhan. Penghitungan tingkat akurasi dilakukan menggunakan analisis dari pakar. Hasil analisis dari praktisi di bidang komputer, dengan hasil pengujian sebesar 60%.]]>
<![CDATA[Analisis Segmentasi Pelanggan Dengan Metode K-Medoids dan Simple Additive Weighting (SAW) Untuk Menentukan Strategi Pemasaran ]]>
<![CDATA[Azhar, Rizki]]>;
<![CDATA[Mahdiyah, Umi]]>;
<![CDATA[Swanjaya, Daniel]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 1 (2024): SEMINAR NASIONAL INOVASI TEKNOLOGI 2024 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v8i1.4962
<![CDATA[Penelitian ini bertujuan membantu Distributor XYZ di Bali merencanakan strategi pemasaran melalui segmentasi dan perangkingan pelanggan dengan metode K-Medoids dan Simple Additive Weighting (SAW). Dalam persaingan bisnis yang ketat, teknologi informasi menjadi krusial untuk mengelola data penjualan besar. Menggunakan model RFM (Recency, Frequency, Monetary), penelitian ini mengelompokkan dan merangking pelanggan berdasarkan kontribusi penjualan. K-Medoids mengklasifikasikan pelanggan ke dalam kategori tinggi, sedang, dan rendah, sementara SAW menentukan pelanggan terbaik. Hasil menunjukkan analisis ini dapat membantu manajer penjualan merancang strategi pemasaran lebih efisien dan meningkatkan pelayanan pelanggan, terbukti dengan pelanggan rangking 1-20 sangat loyal dan layak mendapatkan reward dari distributor.]]>
