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 
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.   
Klasifikasi Serangga Hama Tanaman Padi Menggunakan Metode Convolutional Neural Network (CNN) Prakosa, Bryan Rizqi; 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/k99dvg58

Abstract

Indonesia merupakan negara agraris dengan sekitar 40% penduduknya bermata pencaharian sebagai petani, dan padi menjadi komoditas pertanian utama. Namun, produksi padi sering kali terganggu oleh serangan hama seperti wereng dan kumbang air padi. Kurangnya pengetahuan petani dalam mengenali jenis-jenis hama secara visual menjadi tantangan tersendiri dalam penanggulangan hama. Penelitian ini bertujuan untuk melakukan klasifikasi serangga hama pada tanaman padi menggunakan algoritma Convolutional Neural Network (CNN). Dataset citra hama yang digunakan terdiri dari 2,305 gambar yang diperoleh dari situs Kaggle, dan dilakukan proses augmentasi seperti rotasi, zoom, serta flip vertikal dan horizontal. Model CNN dibangun dan dilatih dengan berbagai konfigurasi parameter seperti jumlah epoch, jenis optimizer, dan fungsi aktivasi. Hasil penelitian menunjukkan bahwa model mampu mengklasifikasikan wereng dan kumbang air padi dengan akurasi tinggi sebesar 96%, serta nilai precision, recall, dan F1-score sebesar 0,96 untuk masing-masing kelas. Confusion matrix juga memperlihatkan tingkat kesalahan klasifikasi yang sangat rendah. Dengan demikian, CNN terbukti efektif dan andal dalam mengenali serta mengklasifikasikan serangga hama tanaman padi berdasarkan citra.
MAC Authentication Jaringan Hotspot Pada SMK Taruna Bakti Kertosono Nugroho, Alfaiz Putra; Irawan, Rony Heri; 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/xkw5w757

Abstract

Penelitian ini membahas tentang  optimalisasi autentikasi jaringan hotspot melalui penerapan metode MAC Authentication berbasis Mikrotik di SMK Taruna Bakti Kertosono. Masalah utama yang dihadapi adalah sistem autentikasi manual yang mewajibkan pengguna untuk masuk kembali setiap kali berpindah titik akses, sehingga mengganggu kenyamanan dan efisiensi dalam penggunaan jaringan. Tujuan penelitian ini adalah untuk  efisiensi dan kenyamanan pengguna koneksi jaringan . Metode penelitian yang diterapkan adalah eksperimen, dengan langkah-langkah yaitu pengamatan langsung pada proses login, wawancara dengan pengguna, perancangan sistem jaringan, pelaksanaan konfigurasi MAC Authentication, dan pengujian perpindahan koneksi di antara access point. Uji coba menunjukkan bahwa setelah MAC Address pengguna terdaftar, perangkat bisa terhubung secara otomatis ke jaringan tanpa harus login ulang, bahkan saat berpindah access point. Bukti keberhasilan terlihat pada tabel hasil percobaan koneksi beberapa pengguna yang menunjukkan koneksi otomatis setelah pendaftaran Alamat MAC. Sistem ini telah terbukti meningkatkan kenyamanan pengguna, efisiensi waktu, dan keamanan jaringan di area sekolah. Selain itu, sistem ini juga memungkinkan pengelolaan jaringan dari jarak jauh menggunakan layanan Dynamic DNS (freeddns). 
Klasifikasi Varian Mi Instan Menggunakan Algoritma YOLOv8 Deva Rahma Nugroho; 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/r8a09e23

Abstract

Deteksi objek yang merupakan bagian dari computer vision, telah banyak digunakan di berbagai bidang industri terutama perdagangan atau ritel. Salah satu algoritma deteksi objek yang dapat digunakan adalah YOLOv8, dikenal karena kemampuannya yang akurat dalam melakukan deteksi secara real-time. Penelitian ini, berfokus pada pembuatan model deteksi objek untuk produk mi instan menggunakan algoritma YOLOv8. Tujuan dari penelitian ini adalah untuk mengetahui performa algoritma YOLOv8 dalam memprediksi sebuah produk mi instan. Dalam proses training, dilakukan beberapa experiment untuk mengetahui komposisi dalam memperoleh hasil terbaik. Model diukur menggunakan confusion matrix dan hasil terbaik didapat saat model dilatih menggunakan epoch 50 dan batch 32, model mendapat nilai mAP50-95 sebesar 0.635. Meskipun masih dibawah nilai normal yaitu 0.7, model ini sudah cukup baik jika diterapkan ke sistem. Untuk semua kelas, model tersebut memiliki nilai precision 0.97 dan recall 0.969, nilai ini cukup tinggi untuk model yang dilatih dengan total 1050 gambar.
SISTEM DETEKSI JENIS BURUNG MENGGUNAKAN IMPLEMENTASI YOLOv11 Shania Dila Vanesa; 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: 10.29407/7k0cw598

Abstract

Identifikasi jenis burung secara manual memerlukan keahlian khusus dan rentan terhadap kesalahan, terutama pada spesies yang memiliki kemiripan morfologi tinggi seperti burung merpati. Penelitian ini bertujuan mengembangkan sistem deteksi otomatis untuk mengidentifikasi burung merpati menggunakan algoritma YOLOv11 yang dapat menerima input melalui unggahan gambar maupun kamera webcam. Metode penelitian meliputi pengumpulan dataset berisi gambar berlabel, preprocessing data, pelatihan model YOLOv11, dan evaluasi sistem menggunakan 100 gambar uji yang terdiri dari 50 gambar merpati dan 50 gambar bukan merpati. Hasil pengujian menunjukkan sistem mencapai akurasi 88%, precision 89,6%, recall 86%, dan F1-Score 87,8 %. Confusion matrix menunjukkan 43 true positive, 45 true negative, 5 false positive, dan 7 false negative. Sistem ini memberikan solusi efisien untuk digitalisasi identifikasi burung dan dapat diimplementasikan sebagai alat bantu praktis dalam penelitian ornitologi dan monitoring ekosistem.
Deteksi Penyakit pada Buah Alpukat MenggunakanMetode CNN Mahardhika, Bima; Mahdiyah, Umi; Resty Wulanningrum
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/wckb3g25

Abstract

Deteksi penyakit pada buah alpukat menjadi tantangan penting dalam meningkatkan produktivitas pertanian dan menjaga kualitas hasil panen. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi penyakit pada buah alpukat menggunakan algoritma Convolutional Neural Network (CNN) dengan arsitektur MobileNet V2. Dataset citra buah alpukat dikumpulkan melalui observasi lapangan dan dokumentasi langsung di kebun, mencakup empat kategori: busuk, cabuk, lalat buah, dan sehat. Proses preprocessing mencakup segmentasi gambar dan konversi ke grayscale, diikuti dengan augmentasi data untuk memperkuat generalisasi model. Pelatihan model dilakukan menggunakan pembagian data sebesar 40% untuk pelatihan, 20% validasi, dan 40% pengujian. Hasil evaluasi menunjukkan bahwa model mencapai akurasi 96,5%, dengan nilai precision, recall, dan f1-score yang tinggi untuk setiap kelas, terutama pada kelas cabuk (1.00). Hasil ini menunjukkan bahwa pendekatan berbasis CNN dengan arsitektur MobileNet V2 sangat efektif dalam mengidentifikasi penyakit pada buah alpukat. Sistem ini berpotensi diimplementasikan dalam aplikasi mobile untuk membantu petani mengidentifikasi kondisi buah secara cepat dan akurat.
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