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
 104   105   106   107   108 
Sistem Penilaian Kinerja Karyawan Menggunakan Metode SAW di PT. Putra Prima Mandiri Wijaya, Miko Maulana; Widodo, Danang Wahyu; 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: 10.29407/10ffcm85

Abstract

Penilaian kinerja karyawan merupakan proses penting dalam menentukan tingkat pencapaian dan kontribusi individu terhadap tujuan perusahaan. PT. Putra Prima Mandiri, sebuah perusahaan agribisnis di Kediri, menghadapi kendala dalam proses penilaian karyawan terbaik yang masih dilakukan secara manual, sehingga menimbulkan risiko ketidakefisienan, ketidakobjektifan, dan human error. Untuk mengatasi hal tersebut, penelitian ini bertujuan menerapkan metode Simple Additive Weighting (SAW) dalam Sistem Pendukung Keputusan (SPK) guna meningkatkan akurasi dan transparansi dalam proses evaluasi. Penelitian ini melibatkan perancangan dan pengembangan aplikasi berbasis web dengan menggunakan HTML, PHP, CSS, dan MySQL sebagai database, serta pendekatan perancangan sistem menggunakan Data Flow Diagram (DFD) dan Entity Relationship Diagram (ERD). Kriteria penilaian yang digunakan mencakup kehadiran, kualitas kerja, kedisiplinan, kerja tim, dan tanggung jawab. Hasil yang diharapkan dari penelitian ini adalah terciptanya sistem yang mampu memberikan rekomendasi karyawan terbaik secara objektif berdasarkan perhitungan nilai preferensi dari metode SAW. Penelitian ini memberikan kontribusi teoretis dalam pengembangan SPK berbasis SAW serta manfaat praktis bagi perusahaan, karyawan, dan pengembang sistem.
Implementasi Penggunaan Histogram Equalization Pada Citra Wajah Gemini, Shalaisha Amelia Putri; 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/yqphtx80

Abstract

Penelitian ini berfokus pada implementasi Histogram Equalization (HE) dalam pengenalan wajah, yang bertujuan untuk meningkatkan kontras citra wajah guna memperbaiki akurasi identifikasi. Tantangan yang dihadapi adalah pencahayaan tidak merata dan noise akibat overenchancement. Solusi yang diusulkan adalah penerapan Histogram Equalization, yang meliputi perhitungan histogram dan pemetaan nilai intensitas untuk menghasilkan citra yang lebih jelas. Hasil penelitian ini menunjukkan bahwa Histogram Equalization berhasil meningkatkan kualitas citra, dengan nilai RMSE (Root Mean Square Error) berkisar antara 9.40 hingga 10.48 dan PSNR (Peak Signal-to-Noise Ratio) berkisar antara 27.27 hingga 28.67. hubungan anatar RMSE dan PSNR menunjukkan bahwa semakin rendah nilai RMSE, semakin tinggi nilai RMSE, semakin tinggi nilai PSNR, yang menandakan bahwa citra wajah hasil olahan lebih mendekati citra asli dan kualitasnya tetap baik.
Penerapan Metode Naïve Bayes Untuk Menilai Sentimen Pelanggan Barbershop Mahawuni, Kandhia Winggar; Sanjaya, Ardi; 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: 10.29407/198wdq50

Abstract

Perkembangan teknologi digital menjadikan ulasan pelanggan sebagai salah satu aspek penting dalam membentuk citra sebuah bisnis, seperti halnya barbershop. Penelitian ini bertujuan untuk melakukan klasifikasi sentimen pelanggan menjadi kategori positif dan negatif dengan menggunakan algoritma Naive Bayes Classifier. Metodologi yang digunakan bersifat kuantitatif dengan tahapan pengambilan data ulasan dari Google review, pra-pemrosesan teks, pelabelan data, pelatihan model, dan evaluasi hasil dengan mengukur akurasi, presisi, recall, serta F1-score. Pendekatan yang digunakan terbukti dapat dijadikan dasar dalam menyusun strategi peningkatan pelayanan dan kenyamanan pelanggan dalam jangka panjang.
Klasifikasi Emosi Supporter Persebaya Di Twitter Dengan Metode Long Short Term Memory(Lstm) R, Muchamad Gilang Nauri; Sanjaya, Ardi; Ramadhani, Riski Aswi
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: 10.29407/1ak10b76

Abstract

Twitter menjadi ruang aktif bagi pendukung Persebaya Surabaya untuk menyuarakan opini dan emosi mereka. Penelitian ini bertujuan untuk mengklasifikasikan sentimen komentar pendukung di Twitter ke dalam kategori positif, negatif, dan netral. Data diperoleh melalui pengumpulan komentar twitter, kemudian dilabelo menggunakan TextBlob dan divalidasi oleh dosen bahasa. Setelah melalui tahapan preprocessing dengan stemmer Sastrawi dan representasi word embedding, data dianalisis menggunakan model Long Short-Term Memory (LSTM). Hasil menunjukkan bahwa model mampu mengklasifikasikan sentimen dengan cukup akurat, meskipun masih terdapat kendala dalam memahami kritik halus atau konteks implisit. Penelitian ini diharapkan dapat menjadi landasan dalam memahami opini publik terhadap klub serta mendorong pengembangan sistem analisis sentimen di ranah olahraga dan media sosial berbahasa Indonesia.
Pendeteksi Gambar Jeruk Berdasarkan Kualitas Visual Menggunakan Arsitektur VGG-16Pada Kategori Segar dan Busuk Fatahna, Inna; Pamungkas, Danar Putra; 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/pb3m4547

Abstract

Kualitas jeruk sangat memengaruhi nilai jual dan kepuasan konsumen, namun metode pemeriksaan manual sering kali lambat dan subjektif. Penelitian ini merancang sistem klasifikasi mutu jeruk menjadi tiga kelas, yaitu segar, mentah, dan busuk, menggunakan arsitektur VGG-16 yang dimodifikasi dengan pendekatan transfer learning dan teknik augmentasi data. Dataset berisi 1.280 citra jeruk yang telah melalui tahap pra-pemrosesan seperti perubahan ukuran, normalisasi, dan augmentasi visual. Model dilatih menggunakan algoritma Adam dan dievaluasi dengan metrik akurasi, presisi, recall, serta F1-score. Hasil menunjukkan akurasi hingga 97% tanpa overfitting. Sistem juga diimplementasikan dalam bentuk aplikasi berbasis web untuk mendukung inspeksi mutu secara real-time. Penelitian ini menunjukkan efektivitas penggunaan deep learning kualitas hortikultura secara cepat dan objektif.
Algoritma ROC dan SAW Dalam Pendukung Keputusan Penjualan Sapi Salam, Mohammad Ibnu; Niswatin, Ratih Kumalasari; 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/p6w5jf21

Abstract

Dalam dunia peternakan hewan sapi, pemilihan sapi yang siap jual dan belum siap jual meruapakan langkah terakhir dalam sebuah alur peternakan sapi. Berdasarkan observasi yang dilakukan dalam penelitan pemilihan sapi siap jual masih dilakukan secara manual dengan melihat dari segi postur dan kualitas sapi dari segi berat, umur dan kesehatan, umur. Sistem Pendukung Keputusan membantu dalam melakukan pemilihian diatara semua alternatif yang ada.  Penelitian ini menggunakan metode Rank Orcer Centroid (ROC) dan Simple Additive Weighting (SAW) dalam SPK ini menunujukkan kecepatan dan keakurasian yang baik dalam pemilihan. Hasil penelitian ini sangat penting karena dapat membantu dalam menetukan pemilihan keputusan dengan baik dan tepat.
Sistem Penilaian Kinerja Pendamping Sosial PKH Menggunakan AHP untuk Perpanjangan Kontrak Kerja Essa, Idam Iganda; 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: 10.29407/6d5k0z06

Abstract

Penilaian kinerja pendamping sosial Program Keluarga Harapan (PKH) di Dinas Sosial Kabupaten Kediri masih dilakukan secara manual, yang menyebabkan tidak objektifan dalam pengambilan keputusan, terutama dalam hal perpanjangan kontrak kerja. Penelitian ini bertujuan untuk merancang dan menerapkan sistem penilaian kinerja berbasis Analytic Hierarchy Process (AHP) guna meningkatkan objektivitas dan transparansi dalam evaluasi kinerja pendamping sosial. Metode AHP digunakan untuk mengukur kinerja pendamping sosial dengan mempertimbangkan 13 kriteria yang relevan. Hasil penelitian menggunakan data evaluasi kinerja yang diperoleh pada tahun 2024, yang mencakup seluruh proses penilaian terhadap 210 pegawai menunjukkan bahwa 98% pendamping sosial direkomendasikan untuk diperpanjang kontraknya tanpa syarat, 1,43% dengan pemantauan dan bimbingan, dan 0% tidak diperpanjang kontraknya. Penerapan AHP menghasilkan keputusan yang lebih adil dalam perpanjangan kontrak kerja, dengan konsistensi matriks perbandingan yang valid (CR ≤ 0,1). Sistem ini dapat menjadi referensi dalam pengembangan sistem penilaian kinerja yang lebih efektif di instansi pemerintah lainnya.
Implementasi Metode Faster R-CNN Untuk Deteksi Penyakit Tanaman Mentimun Melalui Citra Daun Mahendra, Rizqi Maulana; Widyadara, Made Ayu Dusea; 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/nqms7824

Abstract

Mentimun (Cucumis Sativus) merupakan salah satu tanaman hortikultura penting di Indonesia dengan nilai ekonomi tinggi, namun rentan terhadap serangan hama dan penyakit yang dapat menurunkan kualitas dan kuantitas hasil panen. Penelitian ini bertujuan untuk menerapkan metode Faster R-CNN dan arsitektur ResNet50 dalam mendeteksi penyakit pada tanaman mentimun. Alur proses penelitian ini terdiri dari pengumpulan dataset, preprocessing data, pelatihan, dan evaluasi. Dataset yang digunakan berjumlah 799 citra daun mentimun, yang terdiri dari lima kelas: Fresh Leaf, Anthracnose, Bacterial Wilt, Downy Mildew, dan Gummy Stem Blight. Pelatihan model menggunakan K-Fold Cross Validation sebanyak 5 fold (K=5) dengan optimizer SGD, batch size 2, learning rate 0,007, dan 20 epoch. Hasil menunjukan  menghasilkan rata-rata akurasi sebesar 0.86%, precision 0.87%, recall 0.88%, dan F1-score 0.87%. Hal ini membuktikan bahwa model mampu melakukan generalisasi dengan baik terhadap variasi data.
KLASIFIKASI EMOSI TEKS PENGGUNA TWITTER MENGGUNAKAN METODE SVM Fatmawati, Anita; Latifah, Umul; Suryadi, Arinda Sekar Bilbina; Zuhriya, Tasbi Khatuz
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/hq9jyy12

Abstract

Media sosial seperti Twitter telah berkembang menjadi sumber data penting untuk mengidentifikasi emosi pengguna. Dengan menggunakan algoritma Support Vector Machine (SVM), penelitian ini bertujuan untuk membangun sistem klasifikasi emosi teks pengguna Twitter. Dataset yang digunakan berasal dari Kaggle dan memiliki delapan label emosi. Setelah itu, tahapan preprocessing teks, representasi kata menggunakan FastText, penyederhanaan dimensi menggunakan Principal Component Analysis (PCA), dan penyeimbangan data dengan Synthetic Minority Oversampling Technique (SMOTE) dilakukan. Setelah itu, data dibagi secara stratified untuk menjaga proporsi label, lalu dilakukan pelatihan model dengan SVM dan pengaturan hyperparameter dengan GridSearchCV. Hasil evaluasi menunjukkan bahwa, dibandingkan dengan kernel linear dan polynomial, kernel Radial Basis Function (RBF) memiliki akurasi tertinggi sebesar 85% dengan skor macro F1 yang juga tinggi. Penelitian menunjukkan bahwa kombinasi metode FastText, PCA, SMOTE, dan SVM meningkatkan kinerja klasifikasi. Penelitian ini membantu mengembangkan sistem analisis emosi berbasis teks dan menunjukkan bagaimana hal itu dapat digunakan untuk berbagai kebutuhan analitik media sosial.
Optimalisasi Antarmuka Pengguna Situs Web cidahucampingground.com dengan Metode Design Thinking Ramadhan, Erlangga Fajar; Wijayanto, Ardhi Feisal; 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/ac83y791

Abstract

Antarmuka pengguna (UI) yang optimal pada situs web cidahucampingground.com diperlukan untuk meningkatkan pengalaman pengguna (UX). Penelitian ini mengoptimalkan UI menggunakan metode Design Thinking (Empathize, Define, Ideate, Prototype, Test) guna memahami kebutuhan pengguna dan merancang solusi yang intuitif. Data dikumpulkan melalui pengamatan langsung secara online, kemudian dianalisis untuk merancang prototipe berbasis Figma. Hasil awal setelah pengamatan menunjukkan bahwa navigasi, estetika, dan fungsionalitas situs kurang optimal. Temuan membuktikan bahwa Design Thinking efektif  untuk meningkatkan kualitas UI, sehingga berpotensi meningkatkan kepuasan pengunjung. Penelitian diharapkan mampu menginspirasi untuk pengembangan UI/UX situs pariwisata yang berorientasi pada pengguna.

Page 106 of 129 | Total Record : 1283

 104   105   106   107   108 

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