cover
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)
ISSN : 25803336     EISSN : 25497952     DOI : https://doi.org/10.29407/inotek
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)
Articles 1,283 Documents
Identifikasi Kemekaran Bunga Mawar Merah Menggunakan CNN dengan Pendekatan Segmentasi Thresholding dan Deteksi Tepi Sobel Natasha, Sonya; Wulanningrum, Resty; Sahertian, Julian
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/swrhb043

Abstract

Bunga mawar merah memiliki tiga tahap utama dalam proses mekarnya, yaitu kuncup, setengah mekar, dan mekar penuh. Proses klasifikasi tahap kemekaran secara manual dinilai kurang efisien, bersifat subjektif, serta rawan kesalahan, terlebih ketika diterapkan dalam jumlah besar untuk tujuan industri atau penelitian. Oleh karena itu, diperlukan sistem klasifikasi otomatis yang akurat dan konsisten. Penelitian ini bertujuan untuk merancang sistem klasifikasi citra bunga mawar merah berdasarkan tingkat mekarnya menggunakan metode Convolutional Neural Network (CNN). Untuk mendukung proses klasifikasi, dilakukan praproses citra seperti normalisasi, pengubahan ukuran ke 150x150 piksel, augmentasi (seperti rotasi, flipping, dan zoom), serta penambahan fitur dari segmentasi thresholding dan deteksi tepi Sobel. Model CNN dilatih untuk mengenali ciri visual dari masing-masing tahapan kemekaran. Hasil pengujian menunjukkan bahwa sistem mampu mengklasifikasikan citra ke dalam tiga kategori dengan akurasi validasi tertinggi sebesar 92,61% pada epoch ke-18 dan ke-20. Kombinasi segmentasi thresholding, deteksi tepi Sobel, dan CNN murni terbukti meningkatkan akurasi klasifikasi citra bunga mawar merah secara signifikan.
Sistem Monitoring Latihan Bicep Curl Berbasis Computer Vision untuk Peningkatan Performa dan Akurasi Latihan Oktamar, Yopy Aldo; Widodo, Danang Wahyu; Sanjaya, Ardi
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/n7f3k829

Abstract

Latihan bicep curl merupakan salah satu bentuk latihan kekuatan yang populer untuk membentuk otot lengan atas. Namun, kesalahan dalam teknik pelaksanaan dapat menurunkan efektivitas latihan dan meningkatkan risiko cedera. Penelitian ini bertujuan untuk mengembangkan sistem monitoring bicep curl berbasis computer vision yang mampu mendeteksi kesalahan gerakan secara real-time dan memberikan umpan balik langsung kepada pengguna. Sistem dikembangkan menggunakan kamera untuk menangkap gerakan, dengan MediaPipe digunakan untuk ekstraksi pose dan analisis sudut sendi utama seperti bahu, siku, dan pergelangan tangan. Melalui algoritma deteksi berbasis pergeseran sudut dan posisi relatif antar sendi, sistem mampu mengidentifikasi repetisi yang benar dan salah. Evaluasi sistem dilakukan menggunakan confusion matrix terhadap 10 repetisi latihan yang seluruhnya salah, dan menghasilkan akurasi klasifikasi sebesar 80%. Meski begitu, tingkat presisi 0% menunjukkan adanya false positive yang perlu diminimalkan. Hasil ini menegaskan potensi sistem sebagai alat bantu latihan non-invasif untuk mendeteksi dan memperbaiki kesalahan gerakan. Ke depannya, pengembangan algoritma lebih presisi dan ketahanan terhadap variasi lingkungan menjadi arah penelitian selanjutnya. Sistem ini berkontribusi terhadap inovasi teknologi olahraga yang aman, mudah diakses, dan efektif dalam mendukung kebugaran fisik.
Pemodelan Klasifikasi Penyakit Daun Tembakau Dengan Arsitektur MobileNetV2 Arafat, Filach Akbar; Pamungkas, Danar Putra; Kasih, Patmi
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: 10.29407/0e53ye06

Abstract

Penyakit daun tembakau seperti keriting, layu, patik, dan lanas merupakan salah satu faktor utama yang dapat menurunkan produktivitas dan kualitas hasil panen, serta menyebabkan kerugian ekonomi bagi petani. Deteksi dini menjadi kunci dalam pengendalian penyakit secara efektif. Penelitian ini mengembangkan sistem klasifikasi penyakit daun tembakau berbasis citra digital menggunakan arsitektur MobileNetV2. Dataset terdiri dari 120 gambar daun tembakau yang dikumpulkan langsung dari lapangan dan dikelompokkan ke dalam empat kategori. Tahapan preprocessing meliputi resizing, normalisasi, dan augmentasi data. Model dilatih hingga 40 epoch dan menghasilkan akurasi 95,83% dengan loss 0,2505 tanpa indikasi overfitting. Sistem yang dikembangkan mampu melakukan identifikasi secara cepat dan akurat, sehingga mendukung pengambilan keputusan pengendalian penyakit sejak tahap awal.
Perbandingan Algoritma Djikstra dan Floyd-Warshall Untuk Membuat Data Input TSP Zuhri, Mohamad Farkhan Fahmi; Swanjaya, Daniel; Sahertian, Julian
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: 10.29407/99985543

Abstract

Optimasi rute pada pengiriman air galon sangat penting untuk efisiensi waktu dan biaya di daerah pedesaan seperti Desa Sumberejo. Penelitian ini bertujuan membandingkan kinerja waktu komputasi algoritma Dijkstra yang dijalankan secara iteratif dan Floyd-Warshall dalam menghasilkan matriks waktu tempuh terpendek dan rute antar semua pasangan pelanggan dan depot. Matriks ini ditujukan untuk input algoritma optimasi multi-stop seperti Traveling Salesman Problem (TSP). Studi kasus yang digunakan dalam penelitian ini adalah jaringan jalan riil Desa Sumberejo yang memiliki 62 node jalan dan 125 node target yaitu pelanggan dan depot dengan waktu tempuh sebagai bobot graf yang dihitung berdasarkan kondisi jalan aktual. Hasil pengujian waktu eksekusi  menunjukkan bahwa secara signifikan pendekatan Dijkstra iteratif lebih cepat dibandingkan Floyd-Warshall untuk semua skenario jumlah pelanggan yang diuji. Hasil ini menunjukan bahwa Dijkstra lebih efisien untuk pra-pemrosesan data TSP pada skala jaringan serupa.
Sistem Rekomendasi Kelompok Mata Pelajaran SMAN 1 Tanjunganom Menggunakan Metode WP dan ROC Wibowo, Nevi Harisuci; Farida, Intan Nur; Swanjaya, Daniel
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/xqwmmx03

Abstract

Penerapan Kurikulum Merdeka di SMA Negeri 1 Tanjunganom memberikan kebebasan bagi siswa untuk memilih kelompok mata pelajaran sesuai dengan minat dan kemampuan. Namun, banyak siswa yang mengalami kesulitan dalam memilih kelompok mata pelajaran yang tepat. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi pemilihan kelompok mata pelajaran dengan menggunakan metode Weighted Product (WP). Metode ini membantu siswa memilih kelompok mata pelajaran berdasarkan nilai akademik, tes IQ, dan minat siswa. Pendekatan yang digunakan adalah Decision Support System (DSS) dengan menerapkan WP untuk memberikan rekomendasi yang sesuai. Hasil penelitian menunjukkan bahwa sistem ini dapat memberikan rekomendasi yang sesuai dengan potensi siswa, sehingga diharapkan dapat meningkatkan minat dan kemampuan dalam belajar.
Evaluasi Model EficientNet-B7 pada Citra Penyakit Daun Padi Kusuma, Bima Hendiaji Kusuma; Sulaksono, Juli; Widodo, Danang Wahyu
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/q02nsa41

Abstract

Penyakit daun padi seperti bacterial leaf blight, blast, dan tungro menyebabkan kerugian produktivitas pertanian yang signifikan. Penelitian ini menganalisis performa model EfficientNet-B7 untuk klasifikasi otomatis penyakit daun padi menggunakan model convolutional neural network. Dataset citra daun padi dengan tiga kategori penyakit telah melalui preprocessing dan model dilatih selama 30 epoch. Hasil menunjukkan EfficientNet-B7 mencapai akurasi 87.92%, presisi 88.17%, recall 87.92%, dan F1-score 87.92%. Analisis confusion matrix mengungkapkan performa terbaik pada bacterial leaf blight (95%), tungro (85%), dan blast (84%). Model menunjukkan pembelajaran optimal tanpa overfitting dengan validation accuracy stabil 90%. EfficientNet-B7 sangat efektif untuk deteksi penyakit daun padi dan memberikan dasar implementasi sistem deteksi di lapangan. 
Deteksi Penyakit Daun Mangga Menggunakan Convolutional Neural Network Untuk Analisis Komperasi Arsitektur VGG16, Xception Ardiansyah, Ryo; Widyadara, Made Ayu Dusea; Mahdiyah, Umi
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/bv3y4028

Abstract

Deteksi penyakit pada daun mangga merupakan tantangan penting dalam sektor pertanian Indonesia karena memengaruhi kualitas dan kuantitas hasil panen. Penelitian ini mengembangkan sistem klasifikasi citra penyakit daun mangga menggunakan arsitektur CNN VGG16 dan Xception. Dataset terdiri dari dua dataset berbeda yang pertama terdiri dari dua kelas yaitu kelas sehat dan sakit, dataset kedua memiliki tiga kelas yaitu Jamur Jelangga, Klorosis, dan Sehat. Teknik augmentasi data dan optimizer Adam digunakan untuk meningkatkan performa model. Evaluasi dilakukan dengan Confusion Matrix serta metrik presisi, recall, dan F1-score. Hasil menunjukkan bahwa VGG16 konsisten memberikan performa terbaik, dengan akurasi hingga 100% pada skenario dua kelas, dan 99% pada skenario tiga kelas. Arsitektur CNN, khususnya VGG16, terbukti efektif dan konsisten dalam mengklasifikasikan penyakit daun mangga berbasis citra digital.
Deteksi Hukum Tajwid Nun Mati Pada Ayat Al-Qur’an Fu'adi, Muhammad; Setiawan, Ahmad Bagus; Widodo, Danang Wahyu
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/zcdjer27

Abstract

Deteksi hukum tajwid nun mati dilakukan menggunakan algoritma Convolutional Neural Network (CNN) dan Single Shot Multibox Detector (SSD) dengan arsitektur MobileNetV3. CNN MobileNetV3 digunakan untuk ekstraksi fitur, sedangkan SSD digunakan untuk klasifikasi dan deteksi lokasi hukum tajwid dalam gambar. Tujuan dari penelitian ini adalah untuk mengembangkan sistem yang mampu mendeteksi hukum tajwid nun mati secara otomatis pada teks Al-Qur’an berbasis gambar. Manfaat dari penelitian ini adalah memberikan kontribusi dalam bidang pembelajaran Al-Qur’an digital, khususnya dalam membantu pendeteksian hukum tajwid secara visual. Dataset terdiri dari 381 gambar acak yang diambil dari situs resmi Al-Qur’an Kemenag RI. Data dibagi menjadi 80% untuk training dan20% untuk testing, serta dilakukan augmentasi seperti zoom-in, zoom-out, blur, brightness, dan rotasi untuk meningkatkan keragaman data. Model dilatih selama 100 epoch dengan batch size 3 dan learning rate 0.005. Hasil evaluasi menunjukkan model mencapai precision, recall, dan F1-score sebesar 95%. Penelitian ini menunjukkan bahwa kombinasi CNN dan SSD dengan arsitektur MobileNetV3 efektif dalam mendeteksi hukum tajwid nun mati pada gambar teks Al-Qur’an.
Pemanfaatan K-Means Clustering Dalam Pengelompokan Cuaca Di Wilayah Kediri Pramoedya, Muhammad Firmandani; Risky Aswi Ramadhani; Ahmad Bagus Setiawan
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/jmrj1943

Abstract

Cuaca merupakan faktor penting yang memengaruhi berbagai aspek kehidupan, terutama di wilayah Kediri, di mana perubahan cuaca berdampak signifikan pada pertanian dan aktivitas masyarakat. Penelitian ini bertujuan meningkatkan keakuratan informasi cuaca dengan mengelompokkan data cuaca harian menggunakan metode k-means clustering berdasarkan suhu, kelembapan, kecepatan angin, dan arah angin. Data dikumpulkan dari unggahan harian sosial media BMKG Kediri tahun 2024–2025 dan melalui tahap preprocessing berupa transformasi dan normalisasi data. Pemilihan jumlah cluster optimal dilakukan dengan metode elbow dan evaluasi kualitas cluster menggunakan davies bouldin index (DBI). Hasil menunjukkan bahwa jumlah cluster optimal adalah tiga dengan nilai DBI sebesar 0,472, menandakan pemisahan cluster yang baik dan kompak. Representasi arah angin yang diubah menjadi nilai derajat meningkatkan kualitas klasterisasi. Dengan demikian, sistem klasterisasi ini dapat memberikan informasi cuaca yang lebih spesifik dan akurat di tingkat kecamatan, membantu masyarakat dan pemangku kepentingan dalam mempersiapkan aktivitas sehari-hari serta mitigasi risiko bencana. Penelitian ini memberikan kontribusi pada pengembangan metode analisis data meteorologi yang aplikatif di wilayah Kediri.
Perancangan UI/UX Website Booking Online Snapbox Studio Kediri Menggunakan Design Science Research Methodology Hidayah, Yulistiya Nur; Zuhriya, Tasbi Khatuz; Maulana, Aftor; Laila, Anis Faizul
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/entvqx68

Abstract

Industri kreatif terus mengalami pertumbuhan pesat, termasuk layanan studio foto yang semakin diminati masyarakat. Snapbox Studio Kediri menghadapi tantangan dalam proses pemesanan yang masih dilakukan secara manual melalui WhatsApp, sehingga menimbulkan ketidakefisienan dan kurangnya kenyamanan bagi pelanggan. Penelitian ini bertujuan untuk merancang User Interface (UI) dan User Experience (UX) untuk website booking online Snapbox Studio guna meningkatkan kemudahan serta kenyamanan proses reservasi. Metode yang digunakan adalah Design Science Research Methodology (DSRM) yang mencakup tahapan identifikasi masalah, perancangan solusi, dan pengembangan desain. Perancangan UI/UX dilakukan menggunakan aplikasi Figma dan dievaluasi menggunakan System Usability Scale (SUS). Pengujian dilakukan dengan melibatkan 69 responden yang terdiri dari pelajar dan mahasiswa di daerah Kediri. Hasil akhir dari penelitian ini berupa rancangan antarmuka yang intuitif, responsif, serta sesuai dengan kebutuhan pengguna, yang dinilai berada dalam kategori baik berdasarkan hasil evaluasi usability.

Filter by Year

2017 2025


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