Article Per Year (5 Year)
p-Index From 2021 - 2026
8.574
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Informasi AKSIOMA: Jurnal Program Studi Pendidikan Matematika Jurnal Teknologi Informasi dan Ilmu Komputer Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai-Nilai Islami) Jurnal Math Educator Nusantara: Wahana Publikasi Karya Tulis Ilmiah di Bidang Pendidikan Matematika Generation Journal Jurnal ABDINUS : Jurnal Pengabdian Nusantara SKANIKA: Sistem Komputer dan Teknik Informatika JAMI: Jurnal Ahli Muda Indonesia Journal of Instructional Mathematics Joutica : Journal of Informatic Unisla Nusantara of Engineering (NOE) Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Jurnal INFOTEL Limits: Journal of Mathematics and Its Applications
Mahdiyah, Umi
Universitas Nusantara PGRI Kediri
Agriculture, Biological Sciences & Forestry Arts Humanities 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 Library & Information Science Mathematics Mechanical Engineering Social Sciences Transportation

Published : 76 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 76 Documents
Search

 4   5   6   7   8 
Sistem Klasifikasi Kondisi Balita Pada Posyandu Rambutan Dusun Bumirejo Desa Krecek Menggunakan Metode Svm (Support Vector Machine) Kinanti, Intan Anggun; Mahdiyah, Umi; Swanjaya, Daniel
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 7 No. 2 (2023): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2023
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v7i2.3490

Abstract

Kondisi balita merupakan kondisi tubuh seorang balita yang sudah tercukupi kebutuhan makanannya, yang ditunjukkan dari tinggi badan dan berat badan. Masalah gizi sering terjadi termasuk gizi buruk, gizi kurang, gizi normal dan gizi lebih. Kondisi balita secara umum dapat ditentukan berdasarkan berat badan menurut umur (BB/U). Petugas Kader Posyandu Rambutan di Dusun Bumirejo Desa Krecek akan menentukan apakah balita tersebut tergolong kondisi balita gizi buruk, gizi kurang, gizi normal atau gizi lebih. Namun permasalahannya untuk menentukan kondisi balita masih secara manual sehingga membutuhkan waktu cukup lama dan sering menimbulkan kesalahan dalam memprediksi kondisi balita. Salah satu solusi dari permasalahan tersebut yaitu dengan pembuatan sistem klasifikasi dengan menggunakan metode Support Vector Machine (SVM).
Penggunaan Metode Trend Moment Untuk Proses Peramalan Jumlah Stok Penjualan Snack Putra, Joelyan Vicky Purnama; Mahdiyah , Umi; Sanjaya, Ardi
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 7 No. 2 (2023): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2023
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v7i2.3518

Abstract

Penjualan snack pada toko snack andik ini menjual berbagai jenis snack yang disediakan untuk para pembeli. Akan tetapi mengalami kendala dalam menentukan stock snack yang dijual dikarenakan adanya penumpukan jumlah stock snack dimana mengalami kekurangan dan kelebihan stock snack untuk penjualan barang tersebut.Oleh karena itu diperlukan sebuah sitem atau program untuk mengatasi tersebut dengan cara melakukan forecasting atau peramalan. Forecasting atau peramalan digunakan untuk melakukan peramalan dalam menentukan jumlah stock snack kedepannya menggunakan data penjualan masa lampau untuk menghasilkan peramalannya. Dalam melakukan Forecasting tersebut menggunakan metode Trend Moment dimana metode ini merupakan metode peramalan berdasarkan tren historis penjualan.Untuk proses perhitungan metode trend moment ini menggunakan data penjualan barang dengan data penjualan selama kurung waktu 2 tahun.Dengan hasil pengujian diambil sampel beberapa barang yang mendapatkan rata rata hasil MAPE nya sebesar 4.71671 yang diindikasikan cukup rendah erornya
Sistem Penerimaan Karyawan Baru Menggunakan Metode Promethee Umam, Moh. Khoirul; Irawan, Rony Heri; Mahdiyah , Umi
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 7 No. 2 (2023): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2023
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v7i2.3519

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem penerimaan karyawan baru menggunakan metode algoritma Promethee. Dalam era teknologi informasi dan komunikasi yang semakin maju, perusahaan-perusahaan membutuhkan sistem seleksi yang efisien dan akurat dalam memilih karyawan baru. Penelitian sebelumnya telah mengaplikasikan metode Promethee dalam seleksi karyawan, namun masih terdapat keterbatasan dalam jumlah kriteria dan platform yang digunakan. Oleh karena itu, penulis mengusulkan sistem yang dapat memberikan rekomendasi kepada HRD dan pimpinan perusahaan berdasarkan kriteria penilaian yang ditentukan menggunakan metode Promethee. Hasil akhir dari penelitian ini berupa urutan rangking pelamar dari nilai tertinggi hingga terendah.
Sistem Pendukung Keputusan Pengadaan Jumlah Obat Di PT. Waras Lestari Farma Menggunakan Metode Fuzzy Tsukamoto Setyaningrum, Dyah Putri; Mahdiyah, Umi; Kasih , Patmi
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 7 No. 2 (2023): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2023
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v7i2.3520

Abstract

Di Indonesia, apotek merupakan salah satu tempat pelayanan kesehatan kepada masyarakat selain puskesmas, klinik dan rumah sakit. PT. WARAS LESTARI FARMA merupakan salah satu perusahaan yang bergerak dalam bidang penyediaan obat. Proses pengontrolan stock obat yang masih dilakukan secara manual yaitu dengan cara mengecek data penjualan obat. Dalam menangani masalah ini maka digunakan metode Fuzzy Tsukamoto untuk memprediksi pengadaan obat yang tidak pasti. Dapat disimpulkan bahwa prediksi pengadan obat pada PT. WARAS LESTARI FARMA menggunakan metode Fuzzy Tsukamoto berhasil diterapkan dengan prediksi setiap bulan, sehingga dapat menjadi solusi dalam melakukan pengadaan obat.
Implementasi K-Means Clustering dan Trend Moment dalam memproyeksikan stok obat di PT. Lestari Jaya Farma Cahyono, Arip Dwi; Mahdiyah, Umi; Kasih, Patmi
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 7 No. 3 (2023): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2023
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v7i3.3539

Abstract

Kecepatan dalam pengolahan dan penyampaian informasi menjadi kunci kesuksesan perusahaan dalam era persaingan bisnis yang bebas. Pedagang Besar Farmasi (PBF) membutuhkan pengolahan data yang efisien untuk mengatur sistem penjualan obat. Namun, PBF sering kesulitan memperkirakan permintaan dan mengelola stok obat dengan tepat. Metode peramalan yang efektif adalah solusi yang diperlukan. Penelitian ini menerapkan Metode K-Means dan Trend Moment untuk memprediksi persediaan obat di PT. Lestari Jaya Farma. Metode K-Means digunakan untuk teknik klastering data, sedangkan Metode Trend Moment digunakan untuk memprediksi tren permintaan berdasarkan data historis penjualan. Penelitian ini menggunakan jumlah data uji coba sebanyak 100 item obat untuk mendapatkan kategori cluster tinggi, sedang, dan rendah. Hasil pengolahan data menunjukkan bahwa kategori cluster tinggi terdiri dari 42 item obat, kategori cluster sedang terdiri dari 32 item obat, dan kategori cluster rendah terdiri dari 24 item obat. Selanjutnya, data diproses menggunakan Metode Trend Moment untuk mendapatkan hasil prediksi tren permintaan. Dalam penelitian ini, hasil prediksi tren moment kemudian dievaluasi, dan didapatkan tingkat Mean Absolute Percentage Error (MAPE) sebesar 15,6988% serta akurasi sebesar 98,57%.
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.
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.
Deteksi Penyakit Daun Mangga Menggunakan Convolutional Neural Network Untuk Analisis Komperasi Arsitektur VGG16, Xception Ardiansyah, Ryo; Widyadara, Made Ayu Dusea; Mahdiyah, Umi
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/bv3y4028

Abstract

Deteksi penyakit pada daun mangga merupakan tantangan penting dalam sektor pertanian Indonesia karena memengaruhi kualitas dan kuantitas hasil panen. Penelitian ini mengembangkan sistem klasifikasi citra penyakit daun mangga menggunakan arsitektur CNN VGG16 dan Xception. Dataset terdiri dari dua dataset berbeda yang pertama terdiri dari dua kelas yaitu kelas sehat dan sakit, dataset kedua memiliki tiga kelas yaitu Jamur Jelangga, Klorosis, dan Sehat. Teknik augmentasi data dan optimizer Adam digunakan untuk meningkatkan performa model. Evaluasi dilakukan dengan Confusion Matrix serta metrik presisi, recall, dan F1-score. Hasil menunjukkan bahwa VGG16 konsisten memberikan performa terbaik, dengan akurasi hingga 100% pada skenario dua kelas, dan 99% pada skenario tiga kelas. Arsitektur CNN, khususnya VGG16, terbukti efektif dan konsisten dalam mengklasifikasikan penyakit daun mangga berbasis citra digital.
Metode CRITIC dan EDAS pada Penilaian Kenerja Pegawai Prastowo, Bayu Aji; Irawan, Rony Heri; Mahdiyah, Umi
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/ksf8wm20

Abstract

Penilaian kinerja pegawai merupakan bagian penting dalam memastikan efisiensi operasional perusahaan. PT Supra Primatama Nusantara menghadapi tantangan dalam menilai kinerja pegawai bagian tiketing perbaikan secara objektif. Penelitian ini bertujuan untuk merancang sistem penilaian kinerja pegawai dengan menggunakan metode CRITIC (Criteria Importance Through Intercriteria Correlation) dan EDAS (Evaluation Based on Distance from Average Solution). Metode CRITIC digunakan untuk pembobotan kriteria kinerja secara objektif (SLA, Maintenance, Patroli, Retensi), sementara EDAS digunakan untuk perangkingan pegawai berdasarkan data tiketing perbaikan Juni 2024 dari 14 teknisi. Hasil CRITIC menunjukkan Patroli Jaringan (C4) sebagai kriteria terpenting (0.3231). Perbandingan hasil CRITIC-EDAS dengan penilaian KPI manual menggunakan Korelasi Spearman menunjukkan keselarasan yang sangat tinggi, dengan koefisien ρ_peringkat (0.9868)  dan ρ_skor (0.9975). Ini mengindikasikan bahwa metode CRITIC-EDAS menghasilkan penilaian yang konsisten dengan sistem manual namun dengan objektivitas yang lebih terukur, sehingga penting dalam meningkatkan akurasi evaluasi serta mendukung pengambilan keputusan manajerial yang lebih adil dan transparan.
Pemanfaatan Support Vector Machine dalam Mendeteksi Biji Kopi Muhammad Nur Ichsan; Made Ayu Dusea Widyadara; Umi Mahdiyah
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: 10.29407/75j7ar20

Abstract

Abstrak— Penentuan mutu biji kopi secara akurat merupakan bagian penting dalam proses pascapanen dan pengolahan industri kopi. Namun, klasifikasi manual masih bersifat subjektif dan kurang efisien. Penelitian ini bertujuan membangun sistem klasifikasi otomatis untuk membedakan biji kopi dan non-kopi menggunakan metode Support Vector Machine (SVM) yang dikombinasikan dengan ekstraksi fitur tekstur dari citra menggunakan Gray Level Co-occurrence Matrix (GLCM). Dataset terdiri dari citra tiga jenis biji kopi (green, light, dark) serta citra non-kopi (beras, leci, dan coklat). Setiap citra diolah melalui tahap grayscale, resize, ekstraksi fitur (contrast, correlation, energy, homogeneity), dan normalisasi. Model SVM dioptimasi dengan Grid Search dan 5-fold cross validation. Hasil pengujian menunjukkan model mampu mengklasifikasikan dua kelas dengan akurasi 100%. Sistem telah diimplementasikan dalam aplikasi web berbasis Python. Hasil ini menunjukkan bahwa kombinasi GLCM dan SVM efektif untuk klasifikasi visual biji kopi dan memiliki potensi aplikasi dalam proses sortir otomatis dan kontrol mutu berbasis citra digital.
Co-Authors Afandi, Aris Agus Suwardono Ahmad Bagus Setiawan Akbar Fastio Hari Setiawan Alghozali, Muhammad Attiqi Anaga, Galang Kurnia Apriansa, Rendi Dwi Aprianto, Kresna Ardi Sanjaya Ardiansyah, Ryo Arie Putra, Zamima Daffa Rizki Arifin, Miranda Putri Asrori, Andre Gus Azhar, Rizki Azizah, Sarilah Nur Budi Darmawan Cahyono, Arip Dwi Chrisnatae, Mayo Alvarosy Danang Wahyu Widodo Danar Putra Pamungkas, Danar Putra Dandyade Candra, Dandyadex Daniel Swanjaya Deva Rahma Nugroho Dewangga, Rio Agung diyah kingkin sulistiana Dwi Harini Eka Putra, Ilham Rizki Fauzi Elly Matul Imah Fariska, Grendi Fernando, Achmad Youngy FITRIANA, VYRRA Intan Nur Farida Iswoyo, Dio Dwi Julian Sahertian Kamilah, Annisa' Nur Kasih , Patmi Kayan, Arwienda Kinanti, Intan Anggun Kresnawan, Michael Ilham Kuni Nadliroh Kurniawan, Rizki Dwi Lailatul Carisma Putri Lusi Dwi Anggraini, Lusi Dwi M. Dewi Manikta Puspitasari Made Ayu Dusea Widyadara Made Ayu Dusea Widyadara - Universitas Nusantara Kediri, Made Ayu Dusea Widyadara Mahardhika, Bima Merita Indrawati, Elsanda Mohammad Isa Irawan Muhammad Nawawi Muhammad Nur Ichsan Muhammad Rohid Saputro Munawi, Hisbullah Ahlis Muragil, Dimas Arif Nevita, Ary Permatadeny Nico Adi Saputra Niken Wulandari Ningrum, Bella Nurbuana Tri Cahya niska shofia Niska Shofia, Niska Nugroho, Alfaiz Putra Nuraissa, Alief Fakhrul Rachmad Nurarinda, Terry Anda Putra Pamungkas, Danar Puta Patmi Kasih Prakosa, Bryan Rizqi Pranata, Bagas Dwi Prasetyo, Aprisa Risky Prasetyo, Muhammad Ary Prastowo, Bayu Aji Pratama, Dieky Septhian Rastra Pratama, Regi Cendika Putra, Joelyan Vicky Purnama Ramadhan, Dias Nur Ramadhani, Gilang Ratih Kumalasari Niswatin Ratna Ratna Rendy Wahyudi Resty Wulanningrum Risa Helilintar Rochana, Siti Rony Heri Irawan Sanjaya, Daniel Santoso, Rachmad Sari, Putri Desi Kusuma Setyaningrum, Dyah Putri Shania Dila Vanesa Siti Rochana Suryo Widodo Swanjaya , Daniel Tri Wahyudi Umam, Moh. Khoirul Wahyu Anggara Putra Wahyuniar , Lilia Sinta Wibowo, Ridho Kuncoro Adji Yulianto, Haris