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
 105   106   107   108   109 
Klasifikasi Penyakit Daun Tomat Menggunakan Algoritma CNN Mobilenet V2 Aryaputra, Adis Prima; 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/s37pzf98

Abstract

Penyakit pada daun tomat menjadi salah satu faktor utama penurunan hasil pertanian. Deteksi manual oleh petani sering kali tidak akurat karena gejala penyakit yang serupa. Penelitian ini bertujuan mengembangkan klasifikasikan penyakit daun tomat menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Dataset yang digunakan diperoleh dari Kaggle dengan enam kelas kondisi daun. Proses meliputi tahap pra-pemrosesan, pelatihan model, pengujian, dan implementasi. Evaluasi dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa model mampu melakukan klasifikasi dengan tingkat akurasi yang baik. Penelitian ini penting karena memberikan solusi praktis bagi petani dalam mendeteksi penyakit secara tepat, serta mendorong pemanfaatan teknologi dalam sektor pertanian.
Penerapan Metode Convotutional Neural Network Untuk Klasifikasi Jenis Kayu Menggunakan Inceptionv3 Prayogo, M. Renhat Ade; 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/vjzctn17

Abstract

Indonesia memiliki kekayaan jenis kayu yang sangat beragam, namun proses identifikasi jenis kayu secara manual sering kali menyulitkan karena kemiripan tekstur antar jenis kayu serta keterbatasan pengetahuan masyarakat umum. Penelitian ini bertujuan untuk merancang sistem klasifikasi otomatis jenis kayu berbasis web dengan menggunakan metode Convolutional Neural Network (CNN) dan arsitektur InceptionV3. Empat jenis kayu yang diklasifikasikan adalah akasia, glugu, jati, dan mahoni. Data diperoleh dari citra serat kayu yang diambil menggunakan kamera makro dan melalui tahap pre-processing seperti normalisasi, pelabelan, dan resize. Model CNN dilatih menggunakan teknik transfer learning dengan bobot dari ImageNet. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan gambar kayu dengan akurasi hingga 97,5% pada data validasi. Sistem ini mampu mengenali pola tekstur dengan baik dan dapat membantu proses identifikasi kayu secara otomatis, cepat, dan akurat. Hasil ini menunjukkan bahwa CNN InceptionV3 efektif digunakan dalam klasifikasi citra tekstur kayu.
Penerapan Data Mining Algoritma K-Medoids untuk Rekomendasi Kelompok Mata Pelajaran Pilihan Dea, Dea Avrillia Arba'a; 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/qyyygg13

Abstract

Penelitian ini bertujuan untuk mengelompokkan data siswa berdasarkan minat dan nilai akademik guna membantu guru dalam memberikan arahan yang tepat. Metode yang digunakan adalah algoritma K-Medoids dengan perhitungan jarak Euclidean untuk proses clustering. Pengumpulan data dilakukan pada siswa SMA Pawyatan Daha Kediri dengan atribut nilai IPA, nilai IPS dan nilai tes peminatan. Prosedur penelitian meliputi Persyaratan, Desain, Implementasi, Pengujian, dan Pemeliharaan. Hasil penelitian menunjukkan bahwa metode K-Medoids efektif dalam mengelompokkan siswa ke dalam beberapa klaster, yaitu kelompok yang cenderung memilih kelompok IPA, atau kelompok IPS dengan nilai siluet yang menunjukkan kualitas clustering cukup baik yaitu 0,34. Sistem yang dibangun mampu membantu guru dalam mengambil keputusan yang lebih objektif terkait pengelompokkan siswa
Pemodelan Convolutional Neural Network Dalam Klasifikasi Tanaman Bawang Merah Febrianto, Yahya Eko; 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/wsmbp591

Abstract

Bawang merah merupakan salah satu komoditas yang masa tanamnya memiliki umur relatif singkat. Namun, selama masa pertumbuhan tanaman bawang merah sering mengalami serangan hama dan penyakit mengakibatkan masa pertubuhan terhambat. Penyebab kegagalan panen menjadi masalah dari ketidaktepatan dalam mengenali jenis hama dan penyakit. Penelitian ini bertujuan rancangan sistem untuk mengklasifikasi jenis hama dan penyakit pada tanaman bawang merah dengan menggunakan metode Convolutional Neural Network (CNN). Data hama dan penyakit bawang merah busuk bawang, jamur, kaper dan ulat dengan jumlah 305 yang diambil menggunakan kamera dan dilakukan resize, normalisasi, dan augmentasi, setelah melakukan pre-procrssing model CNN dilatih. Pada hasil evaluasi menggunakan confusion matrix mencapai nilai akurasi 95%. Hasil penelitian ini membuktikan metode CNN dengan arsitektur MobileNetV2 dapat digunakan secara efektif dalam klasifikasi bawang merah.
Penerapan Sistem Optimasi Rute Pengiriman Barang dengan Pendekatan Saving Matrix dan Simulated Annealing Agita, Galuh Aprilia Putri; 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/eg689386

Abstract

Pengiriman barang yang efisien menjadi tantangan besar bagi perusahaan logistik, terutama dalam mengoptimalkan rute distribusi dan pengaturan muatan barang. PT CV UKM Express menghadapi masalah terkait pemborosan waktu dan biaya operasional akibat rute yang tidak optimal serta pengaturan muatan yang tidak efisien. Penelitian ini bertujuan untuk merancang sistem optimasi yang menggabungkan metode Saving Matrix dan Simulated Annealing untuk mengatasi kedua masalah tersebut. Metode Saving Matrix digunakan untuk menentukan rute distribusi yang efisien, sementara Simulated Annealing mengoptimalkan urutan pengisian muatan dalam truk. Hasil penelitian ini dapat mengurangi waktu dan biaya pengiriman, serta meningkatkan efisiensi operasional perusahaan. Hasil penelitian menunjukkan pengurangan waktu sebesar 15%, sedangkan untuk biaya, penelitian ini mencatat penghematan sekitar 45,29%. Penerapan sistem ini memberikan kontribusi signifikan bagi efisiensi operasional PT CV UKM Express dan kepuasan pelanggan. 
Penerapan Arsitektur Residual Network (ResNet-50) Pada Klasifikasi Citra Lovebird Prayoga, Ryan Sea; 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: 10.29407/32z6z522

Abstract

Klasifikasi jenis lovebird berdasarkan citra digital merupakan tantangan karena kemiripan visual antarjenis, terutama pada warna bulu dan pola tubuh. Penelitian ini bertujuan membangun model klasifikasi otomatis menggunakan algoritma Convolutional Neural Network dengan arsitektur Residual Networks 50. Dataset terdiri dari 500 gambar lovebird yang dikategorikan ke dalam tiga jenis, dengan praproses normalisasi dan augmentasi citra. Model ResNet-50 dilatih selama 1000 epoch dan dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan model mencapai akurasi pelatihan 88,6% dan F1-score rata-rata 83,4% tanpa overfitting signifikan. Temuan ini membuktikan bahwa arsitektur ResNet-50 efektif dalam mengklasifikasikan jenis lovebird, serta menunjukkan potensi penerapan kecerdasan buatan dalam identifikasi spesies hewan peliharaan secara visual. 
Perancangan Desain UI/UX Website BAYLEAF Menggunakan Metode Design Thinking Ardin, Ardin Ariantana Putra; Teguh, Moh .Teguh Purwanto; Daniati, Erna Daniati
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: 10.29407/5ftrfy15

Abstract

Studi ini bertujuan untuk mendesain ulang tampilan dan pengalaman pengguna (UI/UX) situs web Bayleaf. id dengan menggunakan pendekatan Design Thinking, yang terdiri dari lima tahap: Empati, Definisi, Ide, Prototipe, dan Pengujian. Masalah utama yang diidentifikasi dari hasil survei dan wawancara mencakup tampilan yang kurang menarik, informasi produk yang tidak lengkap, serta fitur navigasi yang belum dioptimalkan. Pada tahap Prototipe, dirancang visual berkualitas tinggi berdasarkan ide-ide solusi yang sesuai dengan kebutuhan pengguna. Evaluasi dilakukan dengan menggunakan metode System Usability Scale (SUS) terhadap 21 partisipan. Hasil pengujian menunjukkan nilai rata-rata 72,14, yang tergolong dalam kategori “Baik”. Temuan ini mengindikasikan bahwa metode Design Thinking mampu menghasilkan antarmuka yang tidak hanya berfungsi dengan baik, tetapi juga menarik dan memenuhi kebutuhan pengguna. Penelitian ini diharapkan dapat menjadi landasan untuk pengembangan lebih lanjut pada UI/UX dalam platform e-commerce mode yang sejenis.
Analisis Pengaruh Desain Antarmuka Pengguna terhadap Kepuasan Pengguna pada Aplikasi E-Commerce Saputri, Cindy Avitaselly Bambang; Ameliya, Putri; Aulia, Nurun Nihayatur Rifqiyah; Saputra, Muhammad Abdilah
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/qg8mj359

Abstract

Pesatnya perkembangan e-commerce di Indonesia telah memicu persaingan yang intens di antara berbagai platform belanja daring, seperti Shopee, Tokopedia, dan TikTok Shop. Dalam persaingan ini, desain antarmuka pengguna (User Interface/UI) menjadi elemen krusial yang memengaruhi kualitas pengalaman dan kepuasan pengguna. Penelitian ini bertujuan untuk menilai tingkat usability dari aplikasi- aplikasi tersebut dengan menggunakan metode System Usability Scale (SUS). Data dikumpulkan melalui penyebaran kuesioner SUS kepada pengguna aktif masing-masing aplikasi. Hasil analisis menunjukkan bahwa skor rata-rata SUS adalah 50,81, yang tergolong dalam kategori “Marginal” berdasarkan standar SUS. Secara rinci, Shopee mencatat skor tertinggi sebesar 58,2 (Marginal-High), sedangkan TikTok Shop memperoleh skor terendah yaitu 45,6 (Not Acceptable). Temuan ini menandakan bahwa masih terdapat sejumlah kekurangan dalam hal navigasi, konsistensi tampilan, dan kemudahan penggunaan fitur. Oleh karena itu, hasil studi ini dapat menjadi referensi bagi pengembang dalam menyempurnakan desain antarmuka guna meningkatkan kepuasan pengguna secara keseluruhan.
Peramalan Kebutuhan Saldo K_One Top Up Menggunakan Algoritma Long-Short Term Memory(LSTM) Berdasarkan Data Time Series Abadi, Rachmad; 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/x9nzc890

Abstract

Pengelolaan saldo yang akurat menjadi kunci dalam menjaga kelancaran layanan bisnis digital seperti top up pulsa, voucher game, dan e-wallet. K_One Top Up masih menerapkan sistem manual dalam mengelola saldo, sehingga rentan terhadap kesalahan dan inefisiensi. Penelitian ini bertujuan untuk meramalkan kebutuhan saldo harian menggunakan algoritma Long Short-Term Memory (LSTM) berbasis data time series. Model dibangun dengan dua lapisan LSTM bertingkat dan satu lapisan output, serta diuji melalui beberapa konfigurasi neuron dan epoch. Hasil pengujian menunjukkan bahwa LSTM mampu mengenali pola tren saldo dengan cukup baik, khususnya pada produk dengan fluktuasi moderat seperti pulsa. Konfigurasi terbaik memberikan nilai evaluasi akurasi yang paling rendah, menunjukkan potensi LSTM dalam membantu pengambilan keputusan pengelolaan saldo secara prediktif. Hasil penelitian ini penting untuk meningkatkan efisiensi operasional dan kualitas layanan K_One Top Up melalui sistem peramalan yang andal.
Penerapan Model Decision Tree untuk Klasifikasi Rating dan Rekomendasi Produk Pakaian pada Platform E-Commerce Ameliya, Putri; Laila, Anis Faizul; Saputra, M. Abdilah; Adam , Rizal Syihab Saputra
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/dcwvz815

Abstract

Pertumbuhan pesat industri fashion di platform e-commerce menuntut adanya sistem rekomendasi yang mampu menyesuaikan dengan preferensi pengguna. Rekomendasi berbasis rating sering kali tidak mempertimbangkan hubungan antara fitur produk dan preferensi subjektif konsumen. Penelitian ini mengembangkan sistem rekomendasi produk fashion berbasis klasifikasi rating menggunakan algoritma Decision Tree yang dikombinasikan dengan metode content-based filtering. Dataset yang digunakan terdiri dari berbagai fitur seperti nama produk, merek, kategori, warna, ukuran, dan harga. Proses klasifikasi dilakukan untuk memprediksi rating, dilanjutkan dengan penyaringan produk berdasarkan kemiripan konten menggunakan cosine similarity dan pencarian berbasis kata kunci melalui TF-IDF. Hasil penelitian menunjukkan bahwa sistem mampu memberikan rekomendasi yang lebih relevan dan sesuai dengan kebutuhan pengguna. Pendekatan ini penting untuk meningkatkan efisiensi pencarian produk, pengalaman pengguna, dan mendukung pengambilan keputusan yang lebih tepat dalam platform e-commerce.

Page 107 of 129 | Total Record : 1283

 105   106   107   108   109 

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