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
 106   107   108   109   110 
Deteksi Malaria Semi-Supervised: Eksplorasi Convolutional Autoencoder dengan SSIM Loss dan Youden J Thresholding Anardha, Danuar Aditya; 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/zq98rv70

Abstract

Sebuah convolutional autoencoder diterapkan dalam kerangka deteksi anomali semi-supervised untuk mengidentifikasi sel darah merah yang terinfeksi malaria. Model dilatih secara eksklusif menggunakan citra sel normal guna menangkap ciri struktural alaminya, sehingga memungkinkan deteksi anomali berdasarkan perbedaan rekonstruksi yang diukur menggunakan Structural Similarity Index Measure (SSIM). Threshold optimal ditentukan melalui analisis ROC dan statistik Youden’s J. Evaluasi pada dataset uji yang seimbang menghasilkan akurasi sebesar 76%, dengan presisi 76,5% dan recall 76%, yang menyoroti tantangan dalam mendeteksi variasi patologis yang halus. Hasil menunjukkan potensi unsupervised representation learning dalam deteksi malaria, sekaligus menyarankan bahwa penelitian di masa depan sebaiknya difokuskan pada peningkatan sensitivitas dan robustnes melalui ekstraksi fitur yang lebih canggih dan teknik hybrid supervised-unsupervised.
Implementasi Sistem Penugasan Teknisi Menggunakan Kombinasi Metode WSM Dan K- Means Hariadi, Septian; 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/hhv38971

Abstract

Proses penugasan teknisi yang masih dilakukan secara manual di PT XYZ mengakibatkan ketidakseimbangan beban kerja, keterlambatan penyelesaian tugas, dan potensi penurunan kepuasan pelanggan. Oleh karena itu, diperlukan sistem penugasan yang terintegrasi dan berbasis teknologi  supaya lebih efisien serta terotomatisasi dengan mempertimbangkan faktor jarak, pengalaman teknisi, dan tingkat prioritas pekerjaan guna meningkatkan kinerja operasional dan kualitas layanan perusahaan. Berdasarkan permasalahan yang ada, metode yang diterapkan dalam penelitian ini adalah Weighted Sum Model (WSM). Penelitian ini dipadukan dengan algoritma K-Means yang digunakan untuk mengelompokkan lokasi pelanggan berdasarkan karakteristik jarak antara teknisi dan pelanggan. Prosedur penelitian ini meliputi Identifikasi Masalah, Studi Literatur, Pengumpulan Data, Perancangan Sistem, Pengujian, Implementasi, Evaluasi dan Penyusunan Laporan. Proses perhitungan nilai pembobotan dan pengelompokan menggunakan metode WSM diperlukan data input seperti data teknisi, data perusahaan, data jarak, data kriteria, dan data pembobotan. Kemudian dilakukan standarisasi menggunakan StandardScaler dan Clustering menggunakan K-Means. Hasil penelitian ini menunjukkan bahwa sistem dapat meningkatkan efisiensi waktu sebesar 95% dan meningkatkan kinerja staff operation sebesar 60%. Dengan demikian penelitian ini memberikan kontribusi nyata dalam upaya meningkatkan kinerja dan efisiensi perusahaan.
Metode CRITIC dan EDAS pada Penilaian Kenerja Pegawai Prastowo, Bayu Aji; Irawan, Rony Heri; 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/ksf8wm20

Abstract

Penilaian kinerja pegawai merupakan bagian penting dalam memastikan efisiensi operasional perusahaan. PT Supra Primatama Nusantara menghadapi tantangan dalam menilai kinerja pegawai bagian tiketing perbaikan secara objektif. Penelitian ini bertujuan untuk merancang sistem penilaian kinerja pegawai dengan menggunakan metode CRITIC (Criteria Importance Through Intercriteria Correlation) dan EDAS (Evaluation Based on Distance from Average Solution). Metode CRITIC digunakan untuk pembobotan kriteria kinerja secara objektif (SLA, Maintenance, Patroli, Retensi), sementara EDAS digunakan untuk perangkingan pegawai berdasarkan data tiketing perbaikan Juni 2024 dari 14 teknisi. Hasil CRITIC menunjukkan Patroli Jaringan (C4) sebagai kriteria terpenting (0.3231). Perbandingan hasil CRITIC-EDAS dengan penilaian KPI manual menggunakan Korelasi Spearman menunjukkan keselarasan yang sangat tinggi, dengan koefisien ρ_peringkat (0.9868)  dan ρ_skor (0.9975). Ini mengindikasikan bahwa metode CRITIC-EDAS menghasilkan penilaian yang konsisten dengan sistem manual namun dengan objektivitas yang lebih terukur, sehingga penting dalam meningkatkan akurasi evaluasi serta mendukung pengambilan keputusan manajerial yang lebih adil dan transparan.
Penerapan Regular Expression dan Cosine Similarity pada Uji Kemiripan Kalimat Bahasa Indonesia Musta'in, Ahmad Dzaky Hafidz; Ardi Sanjaya; Ahmad Bagus Setiawan
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/fq3vhb08

Abstract

Penelitian ini membahas sistem analisis kemiripan kalimat menggunakan metode cosine similarity dengan fokus pada optimasi tahap pra-pemrosesan. Masalah utama yang diangkat adalah kebutuhan untuk mengenali pola angka Romawi dalam teks yang sering muncul dalam penamaan kelas atau bab dokumen. Metode yang digunakan melibatkan proses case folding, tokenizing, filtering, stemming, serta penggunaan regular expression untuk mendeteksi angka Romawi. Hasil pengujian menunjukkan sistem berhasil mengonversi angka Romawi dengan akurat. Namun, ditemukan kelemahan dalam konteks linguistik, seperti kesalahan interpretasi huruf pada nama khas daerah yang menyerupai pola angka Romawi. Hal ini menunjukkan perlunya integrasi pendekatan berbasis konteks untuk meningkatkan akurasi sistem. Untuk pengembangan lebih lanjut, disarankan penggunaan metode pembobotan tambahan atau pendekatan berbasis BERT guna meningkatkan pemahaman semantik kalimat.
Implementasi Metode K-Nearest Neighbor untuk Klasifikasi Tingkat Kepuasan Pelanggan pada Toko Buku Anugerah Ilmu Fahmi, Muhammad Fajrul; Helilintar, Risa; Farida, Intan Nur
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/x4mg2w61

Abstract

Penelitian ini bertujuan membangun sistem klasifikasi kepuasan pelanggan menggunakan algoritma K-Nearest Neighbor pada Toko Buku Anugerah Ilmu di Kabupaten Kediri. Masalah utama yang dihadapi adalah pengolahan data survei kepuasan pelanggan yang masih dilakukan secara manual, sehingga menyulitkan proses klasifikasi dan analisis data. Metode penelitian menggunakan pendekatan kuantitatif dengan mengimplementasikan algoritma K-Nearest Neighbor pada 170 data survei yang dibagi dengan rasio 90:10 untuk data training dan testing. Hasil penelitian menunjukkan tingkat akurasi sistem mencapai 88,24% dengan nilai K=3, dimana sistem berhasil mengklasifikasikan data ke dalam tiga kategori kepuasan (Puas, Biasa, dan Kurang Puas). Tingkat presisi dan recall untuk kategori Puas mencapai 100%, sementara untuk kategori Biasa dan Kurang Puas sebesar 67%. Implementasi sistem ini sangat bermanfaat bagi toko dalam menganalisis data survei secara lebih cepat dan akurat untuk mendukung pengambilan keputusan strategis. 
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.
Prediksi Promosi Top-Up Game Pada Pola Pembeli Putra, Renno Rama; Irawan, Rony Heri; Helilintar, Risa
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: 10.29407/1wmdj144

Abstract

Penelitian ini bertujuan untuk mengatasi ketidaktepatan strategi promosi pada platform top-up game Rennstore, yang selama ini dilakukan secara konvensional tanpa analisis data historis. Untuk itu, dikembangkan sistem prediksi waktu ideal promosi menggunakan algoritma Random Forest yang menganalisis pola transaksi pengguna. Data transaksi diproses melalui tahapan pembersihan dan transformasi waktu, kemudian dimodelkan untuk memprediksi hari dan jam optimal promosi. Evaluasi sistem dilakukan menggunakan metrik akurasi dan F1-Score. Hasil pengujian menunjukkan akurasi sebesar 76% dan F1-Score sebesar 74%, serta memperoleh tanggapan positif dari pengguna melalui kuisioner. Sistem ini dinilai efektif dan mampu memberikan rekomendasi waktu promosi yang tepat sasaran.
Analisis Ciri Visual Beras Menggunakan Arsitektur Deep Learning MobileNetV2 Wijayanto, Bayu; 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: 10.29407/6fys1733

Abstract

Beras merupakan makanan pokok utama bagi sebagian besar masyarakat Indonesia. Kualitas beras, termasuk usia penyimpanannya, memengaruhi nilai gizi dan preferensi konsumen. Penelitian ini bertujuan untuk mengklasifikasikan usia penyimpanan beras yaitu beras baru, sedang, dan lama berdasarkan citra visual butiran beras menggunakan metode deep learning dengan arsitektur MobileNetV2. Proses penelitian mengikuti pendekatan Waterfall yang meliputi tahapan pengumpulan sampel, pengambilan gambar, preprocessing, ekstraksi fitur, pelatihan model, dan evaluasi. Dataset terdiri dari 2.500 citra beras yang telah melalui proses deteksi tepi dan normalisasi untuk meningkatkan kualitas input model. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan usia beras dengan tingkat akurasi tinggi, mencapai hingga 99%. Temuan ini menunjukkan bahwa penerapan teknologi deep learning berbasis citra visual dapat menjadi solusi praktis dan efisien untuk membantu proses identifikasi kualitas beras secara otomatis. 
Klasifikasi Sampah Menggunakan Algoritma EfficientNet Sari, Putri Desi Kusuma; Mahdiyah, Umi; Wulanningrum, Resty
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/a1zq6810

Abstract

Pengelolaan sampah yang kurang optimal berdampak negatif pada lingkungan, sehingga klasifikasi sampah menjadi penting untuk mendukung daur ulang. Penelitian ini mengembangkan sistem klasifikasi gambar sampah organik dan anorganik menggunakan model deep learning EfficientNetB1. Dataset sebanyak 2.527 gambar dari Kaggle diproses melalui resize, normalisasi, dan augmentasi. Model ini dilatih dan diuji dengan metrik akurasi, presisi, recall, dan F1-Score. Pengujian menghasilkan bahwa model mencapai akurasi rata-rata 92%, presisi 93%, recall 92%, dan F1-Score 92%. Meskipun terdapat variasi pencahayaan dan latar belakang, model mampu mengenali dua jenis sampah dengan baik. Sistem ini berpotensi diimplementasikan dalam aplikasi berbasis web untuk membantu masyarakat memilah sampah secara mandiri dan berkelanjutan. 
Identifikasi Penyakit Tanaman Bunga Anggrek Menggunakan Metode CNN Kurniawan, Muhammad Akbar; 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/jp3vg173

Abstract

Anggrek ialah termasuk tanaman hias yang umumnya dirawat tetapi tidak banyak perintis belajar merawat tanpa memiliki wawasan serta bakat yang setara hingga anggrek yang dirawat tidak berkembang secara baik. Permasalahan yang ditemukan ialah sulit mengidentifikasi penyakit pada bunga anggrek akibat telat dalam penananganan dan menyebabkan bunga anggrek rusak atau mati. Klasifikasi penyakit anggrek dilihat dari penyebabnya sendiri meliputi jamur, bakteri dan virus. Solusi mengatasi permasalahan tersebut dengan membuat sistem identifikasi penyakit pada bunga anggrek berbasis website berdasarkan citra daun dengan metode Convolutional Neural Network (CNN). Penelitian ini menggunakan pendekatan deskriptif kualitatif dengan desain yang digunakan yaitu studi kasus. Hasil penelitian menunjukkan bahwa metode CNN dengan model VGG16 mampu digunakan untuk mengidentifikasi penyakit pada tanaman bunga anggrek berdasarkan daun dan sangat cocok memberikan akurasi serta tingkat keakuratan yang tinggi dalam melakukan prediksi.

Page 108 of 129 | Total Record : 1283

 106   107   108   109   110 

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