Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Generation Journal Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Wardana, Aldestra Bagas
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Sistem Prediksi Jumlah Produksi Tahu Takwa Menggunakan Metode Fuzzy Tsukamoto Berbasis Web Bagus Dwi Prasetya; Syaputri, Rika Wahyu; Annisa, Fera; Wardana, Aldestra Bagas; Farida, Intan Nur
Generation Journal Vol 7 No 3 (2023): Special Issue October 2023
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/gj.v7i3.21148

Abstract

Takwa Popular Tofu Factory still uses estimates of the amount of production with no accurate calculation and computer technology. Therefore, the calculation system of the tsukamoto fuzzy method with a web-based concept is expected to minimize losses due to the amount of production that is not in accordance with market share. This study aims to assist the Takwa Popular Tofu factory in estimating the amount of daily production in accordance with market share. The test results using Mean Absolute Percentage Error (MAPE) show the accuracy of the system calculation of 95.90% with an error value of 4.09 so that the interpretation of the MAPE value is accurate.
Perancangan Algoritma SVM untuk Pengembangan Model Pendeteksi Bahasa Isyarat Berbasis Landmark WARDANA, ALDESTRA BAGAS; ARMYANTO, JODI; DANIATI, ERNA
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: 10.29407/9esmzh27

Abstract

Penelitian ini mengembangkan sistem pengenalan alfabet Bahasa Isyarat Indonesia (SIBI/BISINDO) berbasis MediaPipe Hands untuk mendukung komunikasi inklusif. Sistem ini membandingkan kinerja empat algoritma klasifikasi Support Vector Machine (SVM), Multi-Layer Perceptron (MLP), Convolutional Neural Network (CNN), dan Random Forest (RF)—pada dataset yang terdiri dari 1.000 citra tangan mewakili 26 huruf. Ekstraksi 21 titik landmark menghasilkan vektor fitur berdimensi 42, kemudian dinormalisasi menggunakan skala min-max dan dibagi menjadi 80% data pelatihan dan 20% data pengujian. Hasil evaluasi menunjukkan bahwa CNN mencapai akurasi tertinggi sebesar 98,2% meski memerlukan waktu pelatihan terlama. Sementara itu, RF menawarkan keseimbangan antara akurasi (96,5%) dan efisiensi komputasi. SVM dan MLP mencapai akurasi 95,1% dan 97,3%. Alur terintegrasi menyoroti trade-off antara akurasi dan kecepatan pemrosesan, krusial untuk perangkat terbatas. Temuan ini menjadi dasar pengembangan teknologi asistif bahasa isyarat dan memperluas akses komunikasi inklusif bagi penyandang tunarungu dan tunawicara.
Co-Authors ARMYANTO, JODI Bagus Dwi Prasetya Erna Daniati Intan Nur Farida Syaputri, Rika Wahyu