cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Sucipto
Contact Email
sucipto@unpkediri.ac.id
Phone
-
Journal Mail Official
semnainotek@unpkdr.ac.id
Editorial Address
Kampus II, Mojoroto Gang 1 No. 6 Kediri, Jawa Timur
Location
Kota kediri,
Jawa timur
INDONESIA
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Published by Universitas Nusantara PGRI Kediri
ISSN : 25803336     EISSN : 25497952     DOI : https://doi.org/10.29407/inotek
Core Subject : Science, Education, Engineering,
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation
Teknologi saat berkembang sangat cepat selama beberapa tahun terakir ini. Perkembangan teknologi tersebut merupakan salah satu dampak dari peningkatan inovasi dalam bidang teknologi. Ide-ide dan produk baru selalu ada untuk membantu kemingkatkan kualitas kehidpan manusia. Dalam rangka mendukung inovasi dalam bidang teknologi, Fakultas Teknik Universitas Nusantara PGRI Kediri menyelenggarakan Seminar Nasional Inovasi Teknologi (Semnasinotek)
Arjuna Subject : Teknik (semua kategori) - Teknik (Lain-Lain)
Articles 1,283 Documents
 102   103   104   105   106 
Analisis Cedera Atlet Lari Menggunakan Metode Decision Tree Berdasarkan Data Aktivitas Latihan Pratama, Ady Yoga; Tiara, Sherly Dian; Daniati, Erna
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: 10.29407/54sdfe49

Abstract

Olahraga Lari merupakan salah satu jenis olahraga yang sangat populer dan digemari, tetapi memiliki risiko cedera, terutama pada bagian kaki. Cedera ini dapat mengganggu kinerja atlet dan kelangsungan latihan yang telah direncanakan. Studi ini bertujuan untuk menciptakan model prediksi cedera bagi atlet lari dengan memanfaatkan algoritma metode Decision Tree, yang diaplikasikan pada data aktivitas latihan para pelari. Data yang dipakai meliputi intensitas, durasi, dan frekuensi latihan, serta metrik fisiologis seperti detak jantung dan pemulihan. Studi kami menerapkan metode Penemuan Pengetahuan dalam Basis Data (KDD) yang mencakup tahap pemilihan data, praproses, reduksi data, teknik Random Forest, dan penilaian hasil. Temuan dari penelitian ini menunjukkan bahwa algoritma Decision Tree dapat memprediksi risiko cedera dengan tingkat akurasi 96%, presisi 96%, recall 97%, dan F1-score 96%. Analisis feature importance mengidentifikasi bahwa total jarak lari mingguan, intensitas latihan, dan tingkat pemulihan merupakan faktor-faktor paling berpengaruh terhadap risiko cedera. Perbandingan dengan algoritma klasifikasi lain seperti Random Forest membuktikan metode Decision Tree lebih baik dalam prediksi cedera atlet lari. Model ini dapat berfungsi sebagai alat yang efisien untuk pelatih dan staf medis dalam merancang program latihan yang lebih aman, memantau beban latihan, serta mengurangi kemungkinan cedera pada pelari
Analisis Kecemasan Sosial Siswa SMK NU Pace Menggunakan TMAS dan Certainty Factor Ramadhan, Muhammad Iqbal; Helilintar, Risa; Farida, Intan Nur
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: 10.29407/060nrk47

Abstract

Kecemasan sosial pada remaja merupakan masalah psikologis yang dapat menghambat perkembangan sosial, emosional, dan akademik. Penelitian ini bertujuan menganalisis tingkat kecemasan sosial pada siswa SMK NU Pace dengan mengintegrasikan skala Taylor Manifest Anxiety Scale (TMAS) dan metode Certainty Factor. Pendekatan deskriptif kuantitatif digunakan dengan melibatkan 20 siswa jurusan Teknik Komputer dan Jaringan sebagai responden. Data dikumpulkan melalui kuesioner berbasis TMAS dalam sistem pakar berbasis web yang dikembangkan menggunakan PHP dan MySQL. Hasil penelitian menunjukkan variasi tingkat kecemasan sosial pada siswa dengan kategori ringan, sedang, dan berat. Sistem yang dikembangkan terbukti efektif dalam mendeteksi kecemasan sosial secara dini, sehingga dapat menjadi landasan bagi pihak sekolah untuk merancang program pendampingan yang lebih tepat sasaran guna mendukung kesehatan mental siswa.
Sistem Pengenalan Objek Untuk Penyandang Tunanetra Menggunakan YOLOv8 Ohny, Abrham Galatiano; Ramadhani, Risky Aswi; Sanjaya, Ardi
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/gghnzf27

Abstract

 Tunanetra adalah istilah umum yang digunakan untuk menyebut seseorang yang mengalami gangguan atau hambatan pada indra penglihatan. Oleh karena itu, untuk mengenali keberadaan suatu objek, penyandang tunanetra akan lebih bergantung pada indra lain seperti pendengaran, penciuman, dan peraba. Tujuan penelitian ini yaitu, membuat sebuah sistem pengenalan objek menggunakan YOLOv8 yang digunakan untuk penyandang tunanetra mengenali objek di sekitarnya. Input dari sistem berupa frame yang ditangkap melalui kamera lalu diproses sehingga dapat mengenali objek. Untuk output dari sistem berupa suara dengan kata-kata objek apa yang dikenal. Sistem mampu mendeteksi secara real-time dengan resolusi 640x640 pada nilai rata-rata fps 30. Dari hasil uji coba yang dilakukan peneliti menggunakan 35 gambar dan 29 objek sebagai validasi, model deteksi objek memiliki nilai rata-rata akurasi diatas 85%. 
Evaluasi Performa YOLOv8 Instance Segmentation dalam Segmentasi Hama dan Penyakit pada Bawang Merah Syaputri, Rika Wahyu; Wulanningrum, Resty; Rochana, Siti
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/axsb8473

Abstract

Bawang merah merupakan salah satu komoditas pertanian yang memiliki peran penting sebagai bahan pangan dan rentan terhadap serangan hama dan penyakit. Oleh karena itu, deteksi yang cepat dan akurat sangat dibutuhkan untuk menjaga kualitas hasil panen. Penelitian ini bertujuan untuk membandingkan kinerja varian YOLOv8 dalam tugas segmentasi contoh serangan hama dan penyakit pada tanaman bawang merah menggunakan citra digital. Empat model dievaluasi, yaitu YOLOv8n-seg, YOLOv8s-seg, YOLOv8m-seg, dan YOLOv8l-seg. Model-model tersebut dievaluasi menggunakan metrik mAP, precision, dan recall. Dataset terdiri dari gambar bawang yang telah dianotasi dengan format YOLO. Hasil penelitian menunjukkan bahwa YOLOv8s memberikan hasil segmentasi yang seimbang dan akurat dalam hal kompleksitas model dan akurasi segmentasi dibandingkan dengan versi lainnya. Namun, peningkatan jumlah dan variasi data diperlukan untuk meningkatkan akurasi yang lebih tinggi. Penelitian ini dapat menjadi referensi dalam memilih model segmentasi yang tepat di bidang pertanian.
PEWARNAAN OTOMATIS CITRA GRAYSCALE BERBASIS MODEL DEEP LEARNING UNTUK PENINGKATAN INTERPRETASI VISUAL Nugroho, Alindro Septo; Sahertian, Julian; Irawan, Rony Heri
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/nr7x7m75

Abstract

Pewarnaan otomatis citra grayscale menggambarkan tantangan besar dalam bidang pengolahan citra digital. Citra grayscale, meskipun mengandung informasi spasial yang melimpah, mengalami hilangnya dimensi warna yang penting, yang mungkin membatasi kemampuan interpretasi visualnya. Studi ini berorientasi pada pengembangan dan penilaian model deep learning yang ditujukan untuk mengotomatisasi proses pewarnaan gambar grayscale. Metodologi yang diterapkan mencakup pelatihan jaringan saraf tiruan konvolusional (CNN) pada dataset gambar berwarna, dengan gambar grayscale sebagai input dan gambar berwarna sebagai output yang diinginkan. Pelatihan difokuskan pada pembelajaran pemetaan yang rumit dari intensitas piksel grayscale menuju saluran warna a dan b dalam ruang warna . Hasil pengujian yang melibatkan lima gambar sampel menunjukkan bahwa model dapat menghasilkan pewarnaan yang secara visual mirip dengan citra sumber aslinya. Evaluasi kuantitatif dengan metrik Mean Absolute Error (MAE), Peak Signal-to-Noise Ratio (PSNR), dan Structural Similarity Index (SSIM) menunjukkan performa yang unggul, dengan nilai rata-rata SSIM sebesar 0.9963, menandakan kualitas pewarnaan yang Sangat Baik. Penemuan ini menekankan potensi besar deep learning dalam menghidupkan kembali informasi warna yang hilang dari gambar grayscale, membuka peluang untuk aplikasi kreatif dalam bidang restorasi foto bersejarah dan visualisasi data.
Pemanfaatan Pustaka InsightFace Dalam Sistem Presensi Berbasis Pengenalan Wajah SETIAWAN, FAJAR; Helilintar, Risa; Farida, Intan Nur
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: 10.29407/0p37n303

Abstract

Penelitian ini bertujuan untuk mengetahui kemampuan pustaka insightface sebagai alat presensi berbasis pengenalan wajah dan solusi terhadap kelemahan sistem presensi manual di SMP Negeri 2 Tarokan. InsightFace dipilih karena kemampuannya dalam mendeteksi dan mengenali wajah secara akurat dan efisien. Data dikumpulkan dari enam siswa melalui perekaman video dan pengambilan foto wajah, kemudian diproses menggunakan OpenCV dan InsightFace untuk ekstraksi dan pelabelan citra wajah. Model pengenalan wajah dibangun menggunakan fitur embedding dari citra referensi, dan dievaluasi menggunakan data uji yang belum pernah dilatih. Evaluasi dilakukan dengan metrik akurasi, presisi, recall, dan F1-score, yang menunjukkan performa sistem cukup tinggi dengan akurasi mencapai 86,67%. Hasil ini menunjukkan bahwa pustaka InsightFace efektif dalam mendukung sistem presensi berbasis wajah dan berpotensi diterapkan lebih luas di lingkungan pendidikan maupun instansi lain.
PENERAPAN ALGORITMA POHON KEPUTUSAN PADA SISTEM PREDIKSI KELAYAKAN AYAM DI PASAR TRADISIONAL Sari, Ria Permata; Niswatin, Ratih Kumalasari; Farida, Intan Nur
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/yzaw4q24

Abstract

Kelayakan ayam potong untuk dikonsumsi merupakan aspek penting dalam menjaga kesehatan masyarakat dan kualitas pangan. Banyak pedagang masih menilai kelayakan ayam secara manual, yang rentan terhadap subjektivitas dan kesalahan. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis menggunakan algoritma Decision Tree untuk menentukan kelayakan ayam potong berdasarkan empat kriteria yaitu warna, bau, tekstur, dan waktu jual. Metode yang digunakan melibatkan preprocessing data, pelatihan model Decision Tree, dan pengujian akurasi model. Dataset yang digunakan terdiri dari 100 data dengan dua kelas target: Layak dan Tidak Layak. Hasil pengujian menunjukkan akurasi sebesar 94% dengan visualisasi berupa pohon keputusan sebagai representasi logika model. Sistem ini memberikan hasil klasifikasi yang cepat dan objektif. Kesimpulan dari penelitian ini menunjukkan bahwa sistem klasifikasi berbasis Decision Tree mampu membantu dalam pengambilan keputusan kelayakan ayam potong secara lebih efektif.
Identifikasi Penyakit Daun Tomat dengan Menggunakan NASNet Mobile Kamilah, Annisa' Nur; 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: 10.29407/1x40zv39

Abstract

Pertanian adalah sektor penting yang menyediakan pangan bagi masyarakat. Khususnya, pada tanaman tomat, sering kali terganggu oleh berbagai penyakit daun yang dapat menurunkan hasil panen dan menyebabkan kerugian bagi petani. Penelitian ini bertujuan mengembangkan model identifikasi citra daun tomat menggunakan arsitektur NASNet Mobile untuk mengidentifikasi penyakit secara otomatis. Dataset terdiri dari empat kelas, yaitu Healty, Leaf Mold, Septoria Leaf Spot, dan Tomato Yellow Leaf Spot. Model dilatih menggunakan model NASNet Mobile dan dievaluasi menggunakan metrik akurasi, presisi, recall, dan f1-score. Hasil menunjukkan bahwa model NASNet Mobile mencapai akurasi sebesar 69,97% dengan macro average f1-score sebesar 0,67%. Penelitian ini memberikan kontribusi awal dalam pemanfaatan deep learning untuk pertanian presisi, khususnya dalam mendukung pengambilan keputusan petani guna mengurangi risiko kerugian hasil panen akibat keterlambatan penanganan penyakit.
Penerapan Algoritma Naive Bayes untuk Klasifikasi Gaya Belajar Siswa Kelas 7 di SMP Negeri 1 Kandat Setiawan, Andreas; Farida, Intan Nur; Swanjaya, Daniel
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/js4v9z73

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi gaya belajar siswa berbasis algoritma Naive Bayes pada siswa kelas 7 SMP Negeri 1 Kandat. Gaya belajar yang diklasifikasikan meliputi tiga kategori utama, yaitu visual, auditori, dan kinestetik. Data diperoleh melalui penyebaran kuesioner kepada 337 siswa dan diolah melalui tahapan preprocessing, normalisasi, serta pembagian data latih dan uji dengan rasio 80:20. Model dilatih menggunakan algoritma Naive Bayes dan diuji menggunakan metrik akurasi serta confusion matrix. Hasil evaluasi menunjukkan bahwa model mampu mengklasifikasikan gaya belajar dengan tingkat akurasi sebesar 86,76%, dengan performa terbaik pada kategori gaya belajar visual. Temuan ini menunjukkan bahwa pendekatan berbasis machine learning dapat digunakan secara efektif dalam mengidentifikasi gaya belajar siswa dan berpotensi mendukung strategi pembelajaran yang lebih adaptif dan tepat sasaran di lingkungan sekolah.
Analisis Sentimen Komentar Video Youtube Dengan Leksikon Textblob Menggunakan Algoritma Svm Berdasarkan Rasio Data Uji Wijaya, Fredi; Ramadhani, Risky Aswi; Setiawan, Ahmad Bagus
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/h1z62886

Abstract

Analisis sentimen, sebagai salah satu cabang penting dalam Natural Language Processing (NLP), bertujuan untuk mengidentifikasi, mengekstrak, dan memahami opini atau emosi yang tersirat dalam data teks. Penelitian ini secara spesifik berfokus pada analisis sentimen komentar pengguna yang terdapat pada satu video YouTube (Video ID: gp8JOmHEfos) yang mengulas produk laptop Advan WorkPlus. Dalam implementasinya, penelitian ini mengandalkan leksikon TextBlob untuk proses pelabelan sentimen awal dan menggunakan algoritma Support Vector Machine (SVM) sebagai model klasifikasi. Tujuan utama dari penelitian ini adalah untuk mengevaluasi secara komparatif performa akurasi model SVM dengan menerapkan variasi pada rasio pembagian data latih dan data uji. Tiga skenario rasio yang diuji meliputi data uji sebesar 10%, 20%, dan 30%. Berdasarkan hasil eksperimen yang dilakukan, akurasi  tertinggi yang berhasil dicapai adalah 72,00% ketika menggunakan rasio data uji 10%. Terlihat pola penurunan akurasi seiring dengan peningkatan persentase data uji, di mana akurasi menjadi 66,00% untuk  data uji 20%  dan 64,00% untuk data uji 30%. Temuan ini secara konsisten mengindikasikan bahwa ketersediaan pengujian data latih yang lebih besar memiliki korelasi positif terhadap peningkatan performa akurasi model dalam konteks analisis sentimen yang memanfaatkan kombinasi TextBlob dan SVM.

Page 104 of 129 | Total Record : 1283

 102   103   104   105   106 

Filter by Year

2017 2025


Reset
Filter By Issues
All Issue Vol. 9 No. 3 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025 Vol. 9 No. 2 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025 Vol. 9 No. 1 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025 Vol. 8 No. 3 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024 Vol. 8 No. 2 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024 Vol. 8 No. 1 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024 Vol. 7 No. 3 (2023): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2023 Vol. 7 No. 2 (2023): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2023 Vol. 7 No. 1 (2023): PROSIDING NSEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2023 Vol. 6 No. 3 (2022): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2022 Vol. 6 No. 2 (2022): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2022 Vol. 6 No. 1 (2022): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2022 Vol. 5 No. 3 (2021): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2021 Vol. 5 No. 2 (2021): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2021 Vol. 5 No. 1 (2021): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2021 Vol. 4 No. 3 (2020): PROSIDING SEMNAS INOTEK Ke-IV Tahun 2020 Vol. 4 No. 2 (2020): PROSIDING SEMNAS INOTEK Ke-IV Tahun 2020 Vol. 4 No. 1 (2020): PROSIDING SEMNAS INOTEK Ke-IV Tahun 2020 Vol. 3 No. 1 (2019): PROSIDING SEMNAS INOTEK Ke-III Tahun 2019 Vol. 2 No. 1 (2018): PROSIDING SEMNAS INOTEK Ke-II Tahun 2018 Vol. 1 No. 1 (2017): PROSIDING SEMNAS INOTEK Ke-I Tahun 2017 More Issue