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 
Klasifikasi Sampah Menggunakan Algoritma EfficientNet Sari, Putri Desi Kusuma; 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/a1zq6810

Abstract

Pengelolaan sampah yang kurang optimal berdampak negatif pada lingkungan, sehingga klasifikasi sampah menjadi penting untuk mendukung daur ulang. Penelitian ini mengembangkan sistem klasifikasi gambar sampah organik dan anorganik menggunakan model deep learning EfficientNetB1. Dataset sebanyak 2.527 gambar dari Kaggle diproses melalui resize, normalisasi, dan augmentasi. Model ini dilatih dan diuji dengan metrik akurasi, presisi, recall, dan F1-Score. Pengujian menghasilkan bahwa model mencapai akurasi rata-rata 92%, presisi 93%, recall 92%, dan F1-Score 92%. Meskipun terdapat variasi pencahayaan dan latar belakang, model mampu mengenali dua jenis sampah dengan baik. Sistem ini berpotensi diimplementasikan dalam aplikasi berbasis web untuk membantu masyarakat memilah sampah secara mandiri dan berkelanjutan. 
Aplikasi Forecasting Saham Bank Bni Berbasis Android Pratama, Regi Cendika; 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/vkp9k637

Abstract

Latar belakang penelitian ini adalah fluktuasi harga saham BNI yang signifikan, serta kurangnya pengetahuan investor pemula dalam menentukan strategi investasi. Penelitian ini bertujuan untuk merancang dan membangun sistem prediksi harga saham Bank Negara Indonesia (BNI) berbasis Android menggunakan algoritma Long Short-Term Memory (LSTM). Data historis harga saham dikumpulkan melalui Yahoo Finance dan dinormalisasi menggunakan metode Min-Max Scaling. Model LSTM dibangun dan dioptimasi dengan teknik deep learning, kemudian diintegrasikan ke dalam aplikasi Android melalui backend Django. Hasil evaluasi performa model dilakukan menggunakan metrik Mean Absolute Error (MAE) adalah 0.075030, Mean Squared Error (MSE) adalah 0.008613, dan Root Mean Squared Error (RMSE) adalah 0.092806. Hasil penelitian menunjukkan bahwa model LSTM mampu memprediksi tren harga saham BNI secara efektif, sehingga dapat menjadi alat bantu bagi investor dalam mengambil keputusan investasi yang lebih informatif. Aplikasi yang dihasilkan juga memberikan visualisasi prediksi dalam bentuk grafik dan tabel, sehingga lebih mudah dipahami oleh pengguna.
Prediksi Harga Saham Batubara Menggunakan Recurrent Neural Network (RNN) Ramadhani, Gilang; 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/tps0k354

Abstract

Pergerakan harga saham dipengaruhi oleh berbagai faktor kompleks, termasuk kondisi makroekonomi, kebijakan politik, sentimen pasar, dan kinerja fundamental perusahaan. Tingginya volatilitas dan ketidakpastian yang terjadi di pasar modal Indonesia menuntut investor untuk menggunakan pendekatan prediksi yang andal guna mengoptimalkan strategi investasi. Dalam penelitian ini, dikembangkan model prediksi harga saham menggunakan metode Recurrent Neural Network (RNN), yang secara khusus dirancang untuk menganalisis data deret waktu dan mengenali pola temporal pada data historis harga saham. Data diperoleh dari platform Yahoo Finance dan melalui tahapan preprocessing seperti pembersihan data dan normalisasi agar sesuai dengan kebutuhan pemodelan. Hasil pengujian model RNN menunjukkan performa yang cukup baik dengan MAE sebesar 381.061, MSE 29.595.055, RMSE 544.013, dan MAPE 18,079%. Hasil ini menunjukkan bahwa RNN mampu mengikuti pola pergerakan harga saham secara akurat dan dapat dimanfaatkan sebagai alat bantu prediksi dalam mendukung keputusan investasi, khususnya di sektor energi.
Identifikasi Sampah Organik Dan Anorganik Untuk Anak Usia Dini Lailatul Carisma Putri; 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: 10.29407/9dnapg85

Abstract

Penelitian ini bertujuan untuk mengimplementasikan model YOLOv8 dalam mendeteksi dan mengenali jenis sampah organik dan anorganik guna membantu pembelajaran anak usia dini. Permasalahan utama yang diangkat adalah rendahnya pemahaman anak terhadap jenis sampah dan cara memilahnya. Metode yang digunakan meliputi pelatihan model dengan dataset yang terdiri dari 513 citra sampah organik dan 417 citra sampah anorganik selama 50 epoch. Hasil evaluasi menunjukkan bahwa model mampu mencapai akurasi sebesar 0.8974, yang menunjukkan performa deteksi yang cukup akurat dan stabil. Temuan ini menunjukkan bahwa teknologi deteksi objek berbasis YOLOv8 berpotensi diterapkan dalam edukasi lingkungan sejak usia dini.
Implementasi Algoritma Convolutional Neural Network (CNN) Untuk Klasifikasi Jenis Ras Kucing Dengan Metode Mobilenetv2 diyah kingkin sulistiana; Made Ayu Dusea Widyadara; Umi Mahdiyah
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/pycd3g30

Abstract

Kucing merupakan hewan peliharaan yang sangat popular di dunia. Kucing juga memiliki banyak jenis ras yang diakui secara internasional yaitu sekitar 142 ras kucing. Karena banyaknya jenis ras kucing di dunia, sehingga banyak pemilik kucing yang sulit untuk membedakan jenis ras kucing yang mereka pelihara. Oleh karena itu dibutuhkan sistem klasifikasi otomatis berbasis pengolahan citra menggunakan algoritma Convolutional Neural Network dengan arsitektur MobileNetV2. Model dikembangkan untuk mengenali 5 jenis ras kucing dengan dataset berjumlah 500 gambar. Data dilatih selama 20 epoch dengan batch size 32, menghasilkan akurasi tertinggi sebesar 91%. Evaluasi dengan data baru menunjukkan bahwa model mampu mengidentifikasi secara akurat. Hasil ini menunjukkan potensi MobileNetV2 sebagai solusi ringan dan efektif untuk klasifikasi citra berbasis ras kucing dalam aplikasi nyata.
Implementasi Long Short Term Memory (LSTM) Untuk Forecasting Jumlah Penjualan Daging Ayam FITRIANA, VYRRA; 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/xf9t9456

Abstract

Penjualan daging ayam yang mengalami kenaikan dan penurunan yang tidak menentu kerap menyusahkan pelaku usaha. Peramalan diharapkan dapat menjadi solusi bagi pelaku usaha dalam menentukan stok penjualan daging ayam. Penelitian ini bertujuan untuk mengetahui kinerja model yang terbaik dalam melakukan peramalan jumlah penjualan daging ayam menggunakan Long Short Term Memory (LSTM) dengan menggunakan data time series Jumlah penjualan daging ayam yang di kumpulkan dari salah satu pelaku usaha penjual daging ayam yang ada di Dusun Ngadipuro, Desa Sumber Rejo, Kecamatan Sanan Kulon, Kabupaten Blitar. Hasil dari penelitian yang sudah dilakukan kinerja model yang terbaik tedapat pada skenario percobaan ketiga dengan  menggunakan variasi timesteps 14 dengan nilai evaluasi MAPE 17.17%.
Pengujian Simple CNN Dengan Arsitektur LeNet5 Pada Penyakit Daun Jagung Anggraini, Lusi Dwi; 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: 10.29407/9qdmem64

Abstract

Penelitian ini membandingkan performa Simple CNN dan CNN dengan arsitektur LeNet5 dalam mengklasifikasi empat jenis penyakit daun jagung yaitu, normal, bercak daun, ulat grayak, dan bulai. Dataset citra berukuran 400x400 piksel dilakukan proses preprocessing serta pembagian data training dan testing. Pengujian dilakukan dengan variasi epoch dengan jumlah 400 data menggunakan gambar berlatar belakang asli dan polos. Hasil menunjukkan bahwa Simple CNN memberikan akurasi dan performa klasifikasi yang lebih konsisten dan tinggi dibandingkan LeNet5, terutama karena dataset yang terbatas dan spesifik. Berdasarkan hasil training dan evaluasi model skenario terbaik, diketahui bahwa nilai presisi dengan batch size 32 dengan epoch 100 untuk simple CNN menghasilkan nilai presisi 0. 98, recall 0. 98, F1 Score 0. 98. Sedangkan batch size 32 dengan epoch 100 untuk CNN arsitektur LeNet5 menghasilkan nilai presisi 0. 95, recall 0. 94, F1 Score 0. 94. Latar belakang tujuan proses hasil.  
Deteksi Action Figure Gunpla Menggunakan YOLOv7 Iswoyo, Dio Dwi; Widyadara, Made Ayu Dusea; Mahdiyah, Umi
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/dvp4ad07

Abstract

Gunpla merupakan action figure berbentuk robot dari waralaba Gundam yang terus berkembang dan memiliki detail kompleks. Hal ini menyulitkan kolektor maupun masyarakat awam dalam mengidentifikasi keberadaan Gunpla secara cepat dan akurat. Penelitian ini bertujuan mengembangkan sistem deteksi otomatis Gunpla menggunakan algoritma YOLOv7 yang mampu mengenali objek dengan tepat. Dataset citra Gunpla dikumpulkan dari berbagai sudut pandang dan dilabeli menggunakan Roboflow. Model dilatih menggunakan Google Colaboratory dengan memanfaatkan sumber daya GPU secara gratis. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi objek Gunpla dengan nilai mAP sebesar 99,3% dan waktu prediksi yang cepat. Sistem ini berpotensi menjadi solusi praktis dalam mengidentifikasi keberadaan Gunpla secara visual dan dapat dikembangkan lebih lanjut untuk skenario pengguna lainnya.
Deteksi Objek Sampah Organik dan Anorganik Menggunakan YOLOv9 Dewangga, Rio Agung; Wulanningrum, Resty; Mahdiyah, Umi
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: 10.29407/8wvngs64

Abstract

Sampah merupakan sisa kegiatan sehari-hari  manusia  atau  proses  alam  yang  berbentuk  padat. Secara umum, sampah dikelompokkan menjadi dua yakni sampah organik dan anorganik. Sampah organik merupakan jenis sampah yang paling banyak dihasilkan oleh masyarakat, sampah ini memiliki kandungan air yang tinggi sehingga mengalami pembusukan yang cepat dan saat membusuk, sampah jenis ini menimbulkan bau busuk yang dapat penyebabkan pencemaran lingkungan serta berpotensi menjadi sarang penyakit. Sedangkan sampah anorganik tidak berasal dari makhluk hidup (non hayati) melainkan berasal dari bahan yang bisa diperbaharui dan bahan yang berbahaya serta beracun, contoh sampah yang dapat didaur ulang misalnya bahan yang terbuat dari plastik dan logam. Permasalahan mengenai sampah organik maupun anorganik menjadi sangat serius mengingat dampaknya yang luar biasa pada lingkungan, untuk menindaklanjuti permasalahan tersebut. Pada penelitian ini digunakan model deteksi YOLO-v9 untuk mengenali jenis sampah organik dan anorganik supaya sampah dapat dipilah dan dimanfaatkan sesuai jenisnya dengan baik. Dilakukan pembagian dengan presentase 70% untuk data pelatihan (training), 20% untuk validasi, dan 10% untuk pengujian (testing) terhadap 392 gambar dengan epoch sebanyak 100 kali. Penelitian menghasilkan performa yang baik yang dimana nilai rata-rata precision sebesar 0,937, recall 0,924, serta mAP50 dan mAP50-95 sebesar 0,857 dan 0,888. Pada objek dengan kelas anorganik_paper dan anorganik_metal memperoleh performa terbaik dan pada kelas organic_leaf dan organic_food_waste mendapatkan akurasi relatif rendah. Ini menunjukkan bahwa model YOLOv9 menunjukkan kinerja yang sangat baik dalam mengklasifikasikan jenis sampah.
Penerapan Algoritma Decision Tree Untuk Kategorisasi Curah Hujan Di Kecamatan Gurah Chrisnatae, Mayo Alvarosy; 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/ae6e9j51

Abstract

Prediksi curah hujan memainkan peran penting dalam perencanaan pertanian, terutama di wilayah yang memiliki pola iklim yang tidak menentu. Penelitian ini bertujuan untuk mengelompokkan intensitas curah hujan di Kecamatan Gurah menggunakan algoritma klasifikasi pohon keputusan. Dataset yang digunakan berasal dari tahun 2015 hingga 2024, yang mencakup fitur-fitur seperti suhu rata-rata, kelembapan, dan data curah hujan bulanan. Langkah praproses mencakup penanganan data yang hilang serta transformasi data waktu kategorikal menjadi format numerik. Model Decision Tree dilatih menggunakan data tahun 2015 hingga 2023, dan diuji dengan data tahun 2024. Model klasifikasi ini mencapai akurasi sebesar 73,3%, presisi 75,1%, recall 73,3%, dan skor F1 sebesar 73,4%. Hasil ini menunjukkan bahwa klasifikasi menggunakan Decision Tree merupakan metode yang layak untuk mengelompokkan tingkat curah hujan ke dalam tiga kategori: rendah, sedang, dan tinggi. Temuan ini memberikan dasar untuk penerapan lebih lanjut dalam alat bantu pengambilan keputusan pertanian guna mengurangi risiko yang disebabkan oleh variabilitas cuaca.   
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