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) Limits: Journal of Mathematics and Its Applications 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 : 77 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 77 Documents
Search

 4   5   6   7   8 
Perbandingan Metode Support Vector Regression dan Simple Moving Average pada Peramalan Harga Saham BBCA.JK Fernando, Achmad Youngy; Mahdiyah, Umi; Sanjaya, Ardi
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 7 No. 1 (2023): PROSIDING NSEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2023
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v7i1.3439

Abstract

Saat ini trader merupakan salah satu pekerjaan idaman bagi warga Indonesia. Hal ini dapat dibuktikan dengan data dari Google Trend. Saham merupakan salah satu instrumen yang diminati oleh para trader untuk melakukan trading. Harga saham yang naik turun menyebabkan para trader baru kesulitan memprediksi harga saham yang akan datang. Oleh karena itu dibutuhkan bantuan sebuah indikator. Penelitian ini bertujuan untuk melakukan perbandingan akurasi metode SVR (Support Vector Regression) dan SMA(Simple Moving Average) dimana kedua metode tersebut terbukti memiliki keakuratan yang tinggi dalam meramal harga saham BBCA.JK di masa depan. Evaluasi yang digunakan yaitu MAPE. Hasil penelitian ini menunjukkan bahwa SVR memiliki hasil evaluasi MAPE sebesar 0.97% dan SMA sebesar 0.67%. Ini membuktikan bahwa SMA memiliki performa lebih baik dalam meramal harga saham BBCA.JK.
Sistem Penggalangan Dana Berbasis Crowdfunding Menggunakan Metode Simple Addtive Weighting(SAW) Dandyade Candra, Dandyadex; Mahdiyah , Umi; Helilintar, Risa
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 7 No. 1 (2023): PROSIDING NSEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2023
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v7i1.3459

Abstract

Dalam bantuan dinas sosial belum tentu menyeluruh ke beberapa masyarakat yang memerlukan bantuan. Salah satu organisasi tertentu menfaatkan mencari bantuan donasi dari rumah ke rumah masyarakat dan belum tentu banyak masyarakat memberikan donasi di karena kan banyak oknum-oknum nakal yang melakukan kecurangan hasil dana yang di dapat tidak disalurkan kepada pihak yang membutuhkan. Jadi banyak masyarakat meragukan donasi yang ada dijalan maupun pamflet. Dikarenakan itu dengan perkembangan teknologi masa kini internet merupakan hal yang berperang penting dalam kehidupan. Dengan ini bisa dimanfaatkan internet dalam hal pembuatan website donasi, dengan pembuatan website donasi mempermudah masyarakat yang membutuhkan donasi dengan menggunakan tampilan metode crowdfunding dan perengkingan menggunakan metode simple addtive weighting (SAW) untuk membuat data donasi yang di perioritaskan yang akan ditampilkan di atas.
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.
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