Article Per Year (5 Year)
p-Index From 2021 - 2026
1.126
P-Index
This Author published in this journals
All Journal Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Made Ayu Dusea Widyadara
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 : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Penerapan Metode Profile Matching Untuk Rekomendasi Pemilihan Jurusan Perguruan Tinggi Yustikawan, Eko Tri; Risa Helilintar; Made Ayu Dusea Widyadara
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 2 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i2.5031

Abstract

Pengambilan keputusan yang tidak sesuai dengan kualifikasi siswa SMK Negeri 2 Nganjuk dapat menjadi salah satu faktor terhambatnya proses belajar siswa di perguruan tinggi. Untuk mengatasi hal tersebut diperlukan suatu sistem pendukung keputusan yang dapat menganalisa profil siswa dan jurusan. Tujuannya supaya jurusan yang dipilih sesuai dengan kualifikasi siswa. Dalam penelitian ini metode yang digunakan yaitu metode pencocokan profil atau analisis GAP. Dari analisis GAP dapat diketahui selisih nilai dari profil siswa dan jurusan. Apabila nilai GAP kecil maka memiliki tingkat kecocokan yang tinggi. Sedangkan nilai rekomendasi jurusan yang tertinggi adalah jurusan yang direkomendasikan. Dari hasil penelitian yang dilakukan terhadap siswa bernama Allysia Salsa Billa, maka jurusan yang direkomendasikan berdasarkan nilai pengetahuan, keterampilan, dan bakat pada siswa tersebut adalah jurusan yang ada pada rumpun ilmu Matematika dan Sains dengan nilai rekomendasi 15,00
Pemanfaatan Support Vector Machine dalam Mendeteksi Biji Kopi Muhammad Nur Ichsan; 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: 10.29407/75j7ar20

Abstract

Abstrak— Penentuan mutu biji kopi secara akurat merupakan bagian penting dalam proses pascapanen dan pengolahan industri kopi. Namun, klasifikasi manual masih bersifat subjektif dan kurang efisien. Penelitian ini bertujuan membangun sistem klasifikasi otomatis untuk membedakan biji kopi dan non-kopi menggunakan metode Support Vector Machine (SVM) yang dikombinasikan dengan ekstraksi fitur tekstur dari citra menggunakan Gray Level Co-occurrence Matrix (GLCM). Dataset terdiri dari citra tiga jenis biji kopi (green, light, dark) serta citra non-kopi (beras, leci, dan coklat). Setiap citra diolah melalui tahap grayscale, resize, ekstraksi fitur (contrast, correlation, energy, homogeneity), dan normalisasi. Model SVM dioptimasi dengan Grid Search dan 5-fold cross validation. Hasil pengujian menunjukkan model mampu mengklasifikasikan dua kelas dengan akurasi 100%. Sistem telah diimplementasikan dalam aplikasi web berbasis Python. Hasil ini menunjukkan bahwa kombinasi GLCM dan SVM efektif untuk klasifikasi visual biji kopi dan memiliki potensi aplikasi dalam proses sortir otomatis dan kontrol mutu berbasis citra digital.
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.
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.
Penentuan Gizi Balita Kelurahan Bangsal Dengan Fuzzy Mamdani Berbasis Website Yan Arie Strada Tuhehay; Intan Nur Farida; Made Ayu Dusea Widyadara
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/n24nan53

Abstract

Masalah status gizi balita menjadi perhatian penting di Kelurahan Bangsal karena berkaitan langsung dengan pertumbuhan dan perkembangan anak. Kurangnya pemantauan gizi secara berkala menyebabkan keterlambatan dalam penanganan kasus gizi buruk dan stunting. Penelitian ini bertujuan untuk membangun sistem berbasis website yang dapat membantu menentukan status gizi balita menggunakan metode Fuzzy Mamdani. Parameter yang digunakan meliputi umur, berat badan, tinggi badan, dan lingkar lengan atas. Data diolah menggunakan logika fuzzy untuk menghasilkan kategori status gizi seperti kurang, normal, atau lebih. Hasil pengujian menunjukkan bahwa sistem dapat memberikan hasil yang konsisten dengan penilaian manual tenaga kesehatan. Kesimpulannya, sistem ini dapat menjadi alat bantu dalam pemantauan gizi balita secara cepat dan akurat serta berpotensi diterapkan di posyandu atau layanan kesehatan lainnya
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.
Co-Authors Deva Rahma Nugroho diyah kingkin sulistiana Intan Nur Farida Lailatul Carisma Putri Mahdiyah, Umi Muhammad Nur Ichsan Risa Helilintar Shania Dila Vanesa Yan Arie Strada Tuhehay Yustikawan, Eko Tri