Article Per Year (5 Year)
p-Index From 2021 - 2026
3.03
P-Index
This Author published in this journals
All Journal Jurnal Teknologi dan Manajemen Informatika Jurnal Simantec Multitek Indonesia : Jurnal Ilmiah Generation Journal JITU : Journal Informatic Technology And Communication Joutica : Journal of Informatic Unisla Dedikasi Nusantara: Jurnal Pengabdian Masyarakat Pendidikan Dasar Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Jurnal Pengabdian Masyarakat Nusantara
Wahyu Cahyo Utomo
Universitas Nusantara PGRI Kediri
Humanities Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Social Sciences Transportation Other

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 21 Documents
Search

 1   2   3 
Rancang Bangun Sistem Pendukung Keputusan Penentuan Gaji Dan Bonus Karyawan Muttaqin, Imam Nur; Sanjaya, Ardi; Utomo, Wahyu Cahyo
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.v7i3.3541

Abstract

Perkembangan sistem informasi saat ini sangat signifikan, terutama dalam era digital. Oleh karena itu, pengembangan website untuk absensi dan penggajian karyawan menjadi penting dalam perusahaan. PT One Jos Group, perusahaan digital marketing di Nganjuk, belum memiliki sistem absensi dan penggajian yang terintegrasi. Proses ini masih dilakukan secara manual dengan menggunakan pembukuan. Masalah yang dihadapi termasuk kurangnya integrasi antara absensi, penggajian, dan penilaian karyawan, sehingga sulit untuk menentukan bonus dan tunjangan karyawan yang layak. Untuk mengatasi hal ini, diperlukan sistem yang dapat merekap otomatis absensi dan penggajian dalam laporan bulanan dan tahunan. Sistem ini juga perlu terhubung dengan sistem pendukung keputusan untuk menentukan bonus dan tunjangan secara efisien dan obyektif. Dengan adanya sistem yang terintegrasi dan berbasis data, proses pengambilan keputusan terkait bonus dan tunjangan dapat dilakukan dengan lebih efisien
Penerapan Metode Simple Additive Weighting Untuk Rekomendasi Pemilihan Pakaian Nareswara, Wanda; Sanjaya, Ardi; Utomo, Wahyu Cahyo
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.v7i3.3576

Abstract

Sistem Pendukung Keputusan merupakan sistem informasi yang dapat membantu merekomendasikan barang, salah satunya adalah memilih pakaian yang sesuai dengan kriteria-kriteria yang diinginkan oleh pembeli. Dikarenakan banyaknya kriteria pada pakaian penjual kesulitan dalam merekomendasikan pakaian sesuai dengan yang diinginkan oleh pembeli. Tujuan dari penelitian ini adalah untuk membuat sistem yang dapat membantu memudahkan penjual merekomendasikan pakaian menggunakan Metode Simple Additive Weighting (SAW). Hasil akhir dari penelitian ini berupa sistem yang mampu merekomendasikan untuk pemilihan pakaian berdasarkan kriteria-kriteria yang diinginkan pembeli.
Scoring Soal Psikologi berdasarkan pola jawaban dengan menggunakan metode Support Vector Machine Utomo, Wahyu Cahyo; Saputra, Muh. Aris; Subkhi, M. Bahrul; Wahyono, Ari
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: 10.29407/5vteam86

Abstract

Psikologi atau kondisi kepribadian adalah faktor utama penilaian dalam diri manusia. Permasalahan utamanya adalah manusia secara alami akan menyembunyikan sifatnya. Sehingga terlihat sempurna dalam pengamatan orang lain. Selain itu, apabila manusia melakukan uji psikologi cenderung menjawab dengan jawaban yang sempurna. Dalam artian manipulatif supaya telihat sempurna. Berdasarkan hal tersebut, penelitian ini akan menggunakan metode penelitian berbasis Machine Learning untuk menangkap pola tersembunyi pada jawaban soal psikologi. Metode yang diujikan adalah KNN, Adaboost, Random Forest, SVM, Naive Bayes dan Decission Tree. Beberapa metode tersebut telah diujikan dan didapatkan metode terbaik adalah SVM dengan evaluasi precission 86,4% dan recall 88,1%. Berdasarkan hasil penelitian, metode machine learning dapat menyimpulkan pola tersembunyi dengan baik. Sehingga pendekatan ini dapat digunakan untuk melakukan analisis lebih dalam pada kasus kondisi kepribadaian atau psikologi.
Syllable-Based Detection and Recognition of Braille Cells Using Faster R-CNN Risky Aswi Ramadhani; Made Ayu Dusea Widyadara; Wahyu Cahyo Utomo; Marga Asta Jaya Mulya
MULTITEK INDONESIA Vol 20 No 1 (2026): July
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/mtkind.v17i1.13429

Abstract

Braille digitization plays an important role in improving access to written information for visually impaired individuals. However, automatic recognition of Braille text remains challenging due to the small size, dense spatial arrangement, and subtle variations of Braille dot patterns. This study proposes a syllable-based Braille cell detection and recognition framework using a customized Faster R-CNN architecture. The system employs a Region Proposal Network (RPN) to localize individual Braille cells, followed by an AlexNet-based classifica-tion network to recognize syllable-level patterns. The proposed method is evaluated on a syllable-level Braille dataset covering 50 syllable classes, and a two-stage training strategy is adopted to improve bounding box localization accuracy. Experimental results show stable training convergence and consistent classification performance across syllable categories. Confusion matrix analysis indicates that most misclassifications occur among syllables with visually similar dot configurations. Despite sensitivity to variations in physical Braille quality, the proposed framework indicates potential applicability in accessibility-oriented Braille digitization systems
Re-Identification Permainan Tradisional Gobak Sodor Dengan Menggunakan Computer Vision: Re-Identification Permainan Tradisional Gobak Sodor Dengan Menggunakan Computer Vision Wahyu Cahyo Utomo; Muh. Aris Saputra; Rina Firliana; Akhmas Asadulloh; Livia Indriana Sari
JITU Vol 10 No 1 (2026)
Publisher : Universitas Boyolali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36596/jitu.v10i1.2184

Abstract

Judging objectivity in the traditional game of Gobak Sodor remains constrained by its reliance on visual observation. This conventional system is prone to subjectivity and human error. This research aims to design and evaluate a player re-identification system. This study is specifically positioned as foundational research. It aims to provide a technical basis for developing future objective judging systems. A state-of-the-art approach combining You Only Look Once version 8 (YOLOv8) for multi-object detection and ResNet50 for feature extraction was applied in this domain. System testing demonstrated perfect performance. The model achieved 100% accuracy for Cumulative Match Characteristic (CMC) Rank-1 and Rank-5. Furthermore, the mean Average Precision (mAP) score reached 1.00. These results confirm that the proposed method combination is highly suitable for the traditional game domain. The system proved capable of performing deep feature extraction for each player. It was not limited to simple attributes like costume color. This research successfully provides a solid technical framework for modernizing judging systems in similar traditional games.
Analisis Pengaruh Integrasi Fitur Visual dan Sensor Gas terhadap Klasifikasi Grade Mangga Arumanis Syailendra Julian Wicaksono; Wahyu Cahyo Utomo; Danang Wahyu Widodo
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/54nvme92

Abstract

Proses grading mangga secara manual masih berpotensi menghasilkan penilaian yang subjektif dan kurang konsisten karena bergantung pada pengalaman petugas. Penelitian ini mengusulkan sistem klasifikasi grade mangga Arumanis berbasis pendekatan multimodal yang mengintegrasikan fitur area, hue median, delta gas dari sensor MQ-135, serta fitur visual hasil ekstraksi MobileNetV2 yang direduksi menggunakan Principal Component Analysis (PCA). Seluruh fitur digunakan sebagai masukan model Bayesian Neural Network (BNN) untuk menghasilkan prediksi grade dan nilai uncertainty. Dataset terdiri atas 165 citra yang diperoleh dari 55 buah mangga Arumanis dengan tiga sudut pengambilan gambar. Hasil pengujian menunjukkan bahwa model usulan memperoleh akurasi 93,75%, lebih tinggi dibandingkan model MobileNetV2 sebesar 60,72% dan BNN berbasis fitur numerik sebesar 74,54%. Evaluasi menggunakan K-Fold Cross Validation menghasilkan rata-rata akurasi 93,75% dengan standar deviasi 7,81%. Hasil penelitian menunjukkan bahwa integrasi fitur visual dan sensor gas mampu meningkatkan performa klasifikasi grade mangga secara signifikan.
Mengatasi Kesalahan Ejaan pada Chatbot SIMPEG Berbasis Ontologi Menggunakan Levenshtein Distance Muhammad Hakiki; Wahyu Cahyo Utomo; Danang Wahyu Widodo
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/9pas9p69

Abstract

Chatbot Sistem Informasi Manajemen Kepegawaian (SIMPEG) berbasis ontologi seringkali gagal memahami maksud pengguna akibat kesalahan pengetikan (typo). Penelitian ini mengintegrasikan algoritma Levenshtein Distance untuk mendeteksi dan mengoreksi kesalahan ejaan pada masukan pengguna sebelum diproses oleh mesin inferensi ontologi semantik. Metode penelitian meliputi perancangan basis pengetahuan ontologi kepegawaian menggunakan OWL, pengembangan modul pemrosesan teks dengan Levenshtein Distance, serta pengujian akurasi pencarian informasi. Hasil pengujian menunjukkan bahwa penerapan koreksi ejaan mampu meningkatkan akurasi pemahaman kueri dari 62% menjadi 91% pada ambang batas jarak penyuntingan (threshold) maksimal dua karakter. Penelitian ini menyimpulkan bahwa integrasi algoritma Levenshtein Distance secara signifikan meningkatkan ketahanan chatbot terhadap kesalahan ejaan pengguna, sekaligus meminimalkan kegagalan pencarian data kepegawaian secara interaktif.
Optimasi Resolusi Citra pada MobileNetV3: Analisis Trade-Off Latensi dan Akurasi Deteksi Sampah Dwika Putra Adinata; Umi Mahdiyah; Wahyu Cahyo Utomo
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/6hnm2w65

Abstract

Pengelolaan sampah di lingkungan sekolah memerlukan sistem pemilahan otomatis yang mampu beroperasi secara seketika. Namun, penerapan teknologi visi komputer pada perangkat standar sering terkendala oleh tingginya beban komputasi. Penelitian ini bertujuan mengimplementasikan arsitektur MobileNetV3 untuk mengklasifikasikan citra ke dalam kelas organik, anorganik, dan bukan sampah. Eksperimen difokuskan pada modifikasi dimensi citra masukan, yaitu ukuran 160, 224, dan 256 piksel, guna mengevaluasi keseimbangan antara ketepatan prediksi dan durasi komputasi. Hasil pengujian menunjukkan bahwa ukuran 160 piksel merupakan konfigurasi paling efisien yang mampu mencapai ketepatan tertinggi sebesar 0,9910 dengan waktu inferensi paling singkat, yakni 14,99 milidetik, tanpa dukungan pengolah grafis tambahan. Temuan empiris ini menegaskan kelayakan optimasi resolusi citra dalam mewujudkan infrastruktur deteksi sampah cerdas yang cepat, responsif, dan siap diterapkan pada perangkat berkapasitas rendah.
Pengembangan Model Pengenalan Wajah Menggunakan Arsitektur MobileNetV2 untuk Presensi Murid Pengajian Fajar Ardillah; Umi Mahdiyah; Wahyu Cahyo Utomo
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/wwx38j20

Abstract

Proses presensi murid pengajian yang masih dilakukan secara manual berpotensi menimbulkan kesalahan pencatatan dan membutuhkan waktu yang relatif lama. Penelitian ini bertujuan mengembangkan model pengenalan wajah berbasis MobileNetV2 untuk mendukung sistem presensi otomatis murid pengajian. Metode yang digunakan adalah deep learning dengan pendekatan transfer learning. Dataset berupa citra wajah murid pengajian melalui tahap pra pemrosesan yang meliputi pemotongan wajah, perubahan ukuran citra, normalisasi, dan augmentasi data. Model dilatih menggunakan MobileNetV2 dan dievaluasi menggunakan accuracy, precision, Recall, serta F1 Score. Hasil pengujian menunjukkan bahwa model MobileNetV2 mampu mencapai accuracy 97%, precision 97%, recall 97%, dan F1-Score 97%. Hasil tersebut menunjukkan bahwa MobileNetV2 efektif digunakan untuk pengenalan wajah dengan tingkat akurasi yang tinggi dan kompleksitas komputasi yang rendah sehingga berpotensi diterapkan pada sistem presensi otomatis di lingkungan pengajian.
ANALISIS KINERJA YOLOV8S PADA DETEKSI CITRA HURUF STATIS SISTEM ISYARAT BAHASA INDONESIA JULIANTO AJI MILANESTA; Umi Mahdiyah; Wahyu Cahyo Utomo
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/dbm24b26

Abstract

Sistem Isyarat Bahasa Indonesia digunakan sebagai sarana komunikasi visual bagi penyandang tunarungu, tetapi pengenalannya masih membutuhkan dukungan teknologi agar dapat dikenali secara otomatis melalui citra tangan. Penelitian ini bertujuan mengevaluasi kemampuan algoritma YOLOv8s dalam mendeteksi huruf SIBI secara real-time. Dataset yang digunakan terdiri dari 12672 citra dengan 24 kelas huruf, tanpa huruf J dan Z karena keduanya memiliki karakter gerakan dinamis. Tahapan penelitian meliputi pengumpulan dataset, pelabelan, prapemrosesan, pelatihan model, dan evaluasi menggunakan confusion matrix, precision, recall, F1 score, serta mAP. Hasil pengujian menunjukkan precision sebesar 0,9946, recall sebesar 0,9950, F1 score sebesar 0,9948, mAP50 sebesar 0,9907, dan mAP50-95 sebesar 0,7726. Hasil tersebut menunjukkan bahwa YOLOv8s mampu mendeteksi huruf SIBI dengan tingkat ketepatan yang tinggi.
Co-Authors Ahmad Bagus Setiawan Akhmas Asadulloh Andrean Ferdyana Vabian Eka Sakti Ardi Sanjaya Ari Wahyono Danang Wahyu Widodo Dhian Dwi Nur Wenda, Dhian Dwi Nur Dwika Putra Adinata Fajar Ardillah Intan Nur Farida Juli Sulaksono JULIANTO AJI MILANESTA Livia Indriana Sari Mahdiyah, Umi Marga Asta Jaya Mulya Melati, Laurenza Aprilya Muh Aris Saputra Muhammad Abdul Khafid Muhammad Hakiki Muttaqin, Imam Nur Nareswara, Wanda Ramadhanu, Ilham Khefi Resty Wulanningrum Rina Firliana Risky Aswi Ramadhani Roni Heri Irawan Ruruh Andayani Bekti, Ruruh Andayani Saputra, Muh. Aris Setiawan, Akbar Fastio Hari Setyawan, Salsabilla Atasyaputri Subkhi, M. Bahrul Syailendra Julian Wicaksono Widyadara , Made Ayu Dusea Wijaya, Dedy Surya