Articles
1,283 Documents
<![CDATA[Aplikasi Deteksi Tumor Otak Citra MRI Menggunakan Model VGG16 ]]>
<![CDATA[Permana Putra, Satya Dwi]]>;
<![CDATA[Farida, Intan Nur]]>;
<![CDATA[Dusea Widyadara, Made Ayu]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 2 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/gxn7p082
<![CDATA[Tumor otak adalah salah satu penyakit yang sangat serius dan membutuhkan diagnosis serta penanganan yang cepat dan akurat. Citra Magnetic Resonance (MRI) sering digunakan sebagai alat utama untuk mendeteksi tumor otak karena kemampuannya dalam memvisualisasikan jaringan lunak dengan baik. Dalam penelitian ini, penulis menerapkan teknik thresholding dan deteksi tepi sebagai tahap pre-processing citra MRI untuk meningkatkan akurasi model VGG16 dalam mengidentifikasi empat jenis tumor otak yaitu, glioma, meningioma, pituitary, dan normal. Proses pre-processing citra MRI meliputi resizing dan normalisasi serta penerapan thresholding dan deteksi tepi. Hasil pre-processing kemudian digunakan sebagai input untuk model VGG16 yang sebelumnya telah dilatih. Evaluasi model dilakukan dengan menggunakan metrik klasifikasi akurasi, presisi, recall, dan f1-score. Hasil penelitian menunjukkan bahwa penerapan thresholding dan deteksi tepi dalam pre-processing citra MRI dapat meningkatkan akurasi model VGG16 dalam mengidentifikasi tumor otak dari 87% menjadi 90% ke atas. Peningkatan akurasi ini disebabkan oleh kemampuan teknik pre-processing dalam memperjelas batas-batas struktur anatomi pada citra MRI, sehingga fitur yang relevan dapat lebih efektif diidentifikasi oleh model deep learning. ]]>
<![CDATA[MAC Authentication Jaringan Hotspot Pada SMK Taruna Bakti Kertosono ]]>
<![CDATA[Nugroho, Alfaiz Putra]]>;
<![CDATA[Irawan, Rony Heri]]>;
<![CDATA[Mahdiyah, Umi]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 1 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/xkw5w757
<![CDATA[Penelitian ini membahas tentang optimalisasi autentikasi jaringan hotspot melalui penerapan metode MAC Authentication berbasis Mikrotik di SMK Taruna Bakti Kertosono. Masalah utama yang dihadapi adalah sistem autentikasi manual yang mewajibkan pengguna untuk masuk kembali setiap kali berpindah titik akses, sehingga mengganggu kenyamanan dan efisiensi dalam penggunaan jaringan. Tujuan penelitian ini adalah untuk efisiensi dan kenyamanan pengguna koneksi jaringan . Metode penelitian yang diterapkan adalah eksperimen, dengan langkah-langkah yaitu pengamatan langsung pada proses login, wawancara dengan pengguna, perancangan sistem jaringan, pelaksanaan konfigurasi MAC Authentication, dan pengujian perpindahan koneksi di antara access point. Uji coba menunjukkan bahwa setelah MAC Address pengguna terdaftar, perangkat bisa terhubung secara otomatis ke jaringan tanpa harus login ulang, bahkan saat berpindah access point. Bukti keberhasilan terlihat pada tabel hasil percobaan koneksi beberapa pengguna yang menunjukkan koneksi otomatis setelah pendaftaran Alamat MAC. Sistem ini telah terbukti meningkatkan kenyamanan pengguna, efisiensi waktu, dan keamanan jaringan di area sekolah. Selain itu, sistem ini juga memungkinkan pengelolaan jaringan dari jarak jauh menggunakan layanan Dynamic DNS (freeddns). ]]>
<![CDATA[Perbandingan Akurasi Klasifikasi Kendaraan Menggunakan Yolov8 Dan Faster R-CNN ]]>
<![CDATA[Rizal, Muhamad Helmi Khoirur]]>;
<![CDATA[Sahertian, Julian]]>;
<![CDATA[Irawan, Rony Heri]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 1 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/gxcgmr04
<![CDATA[Deteksi dan klasifikasi kendaraan merupakan tantangn penting dalam bidang visi komputer. Penelitian ini membandingkan dua metode deep learning populer, yaitu YOLOv8 dan Faster R-CNN, dalam hal akurasi klasifikasi kendaraan pada citra. Dataset yang digunakan terdiri dari gambar kendaraan dengan berbagai kelas seperti mobil, motor, truk, bus. Kedua model dievaluasi menggunakan metrik akurasi, presisi, dan mAP (mean Average Precision). Hasil pengujian menunjukan bahwa Faster R-CNN memberikan akurasi yang lebih tinggi dibandingkan YOLOv8 pada seluruh kelas kendaraan yang diuji. Studi ini bertujuan untuk memberikan wawasan mengenai keunggulan YOLOv8 dibandingkan metode two-stage seperti Faster R-CNN dalam konteks klasifikasi objek berbasis gambar]]>
<![CDATA[RE-DESAIN PENAMPANG MESIN PEMOTONG LONTONGAN KERUPUK SADAARIAH ]]>
<![CDATA[Laurentius Hendri Yugianta]]>;
<![CDATA[Kuni Nadliroh]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 2 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/2axzbr02
<![CDATA[Penelitian ini bertujuan untuk merancang ulang (re-design) penampang mesin pemotong lontongan kerupuk Sadariah guna meningkatkan efisiensi, kenyamanan, dan keamanan kerja dalam proses produksi. Mesin pemotong sebelumnya masih memiliki beberapa kekurangan, seperti kurang stabil, kurang ergonomis, dan berisiko menimbulkan kelelahan pada operator. Metode yang digunakan dalam re-design ini meliputi studi lapangan, analisis kebutuhan, perhitungan teknis, serta pembuatan gambar desain menggunakan perangkat lunak CAD. Hasil dari re-design menunjukkan bahwa penampang baru lebih ergonomis, stabil, dan mampu meningkatkan kecepatan serta ketepatan pemotongan. Dengan demikian, re-design ini diharapkan dapat mendukung peningkatan produktivitas dan kualitas kerja dalam industri kerupuk Sadariah.]]>
<![CDATA[REDESIGN PENGGUNAAN PER UNTUK MODEL PENGUNCI PADA MESIN LONTONGAN KERUPUK KAPASITAS 50 KG/JAM ]]>
<![CDATA[Kuni Nadliroh]]>;
<![CDATA[Amru Talenta, Yoga]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 2 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/0gr6ey58
<![CDATA[Dalam sebuah kehidupan kita semua tentunya tidak luput dari yang namanya sandang, papan, serta pangan. Pangan yang dimaksud ini ialah sesuatu yang bisa dimakan, contohnya makanan kecil yaitu sebuah kerupuk. Kerupuk sendiri adalah makanan olahan yang terbuat dari bahan tepung singkong yang ditambahkan beberapa campuran bumbu. Dalam proses pembuatannya dibutuhkan alat atau mesin yang digunakan untuk produksi. Mesin pemotong lontongan salah satunya, mesin yang dapat membantu memotong dan mengiris sesuai ketebalan yang diinginkan oleh produsen. Sebelumnya telah terjadi sebuah kendala pada mesin pemotong lontongan ini, dari segi kegunaan dirasa kurang maksimal. Kemudian perancang melakukan redesign di bagian khususnya pengunci. Diubah dari model lama yang menggunakan ulir ke konsep yang baru memakai komponen per agar lebih efektif,efisien, dan tentunya optimal saat digunakan produksi kembali.]]>
<![CDATA[Identifikasi Jenis Bibit Durian Berdasarkan Citra Daun Menggunakan YOLOv8 Berbasis Web ]]>
<![CDATA[Nugroho, Hargo Dwi]]>;
<![CDATA[Niswatin, Ratih Kumalasari]]>;
<![CDATA[Swanjaya, Daniel]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 1 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/jcxggj90
<![CDATA[Identifikasi jenis bibit durian pada tahap awal pertumbuhan sangat penting untuk menentukan nilai ekonomis dan pasar. Namun, identifikasi secara manual memerlukan keahlian khusus dan berpotensi menimbulkan kesalahan. Penelitian ini bertujuan mengembangkan sistem klasifikasi jenis bibit durian berdasarkan citra daun menggunakan algoritma YOLOv8. Dataset terdiri dari 1.293 gambar tiga jenis bibit durian yang dibagi menjadi data latih, validasi, dan uji. Model dilatih selama 50 epoch dengan resolusi citra 640x640 piksel. Hasil evaluasi menunjukkan performa tinggi dengan nilai precision 0.941, recall 0.956, mAP50 0.981, dan mAP50–95 0.866. Sistem diimplementasikan dalam platform berbasis web untuk mempermudah pengguna dalam mengunggah gambar daun dan mendapatkan hasil klasifikasi secara otomatis. Hasil ini menunjukkan bahwa algoritma YOLOv8 efektif untuk mendukung proses identifikasi bibit durian secara cepat dan akurat.]]>
<![CDATA[Smart Farm Monitoring Berbasis IoT Pemantauan Suhu Kandang Ayam ]]>
<![CDATA[Pradana, Priyan]]>;
<![CDATA[Irawan, Rony Heri]]>;
<![CDATA[Helilintar, Risa]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 1 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/n52kbh34
<![CDATA[Abstrak – Permasalahan umum yang sering dihadapi peternak ayam broiler skala kecil hingga menengah adalah ketidakteraturan suhu kandang yang dapat memengaruhi kesehatan dan produktivitas ayam. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem monitoring suhu kandang ayam berbasis Internet of Things (IoT) dengan metode thresholding untuk pengambilan keputusan otomatis. Sistem menggunakan sensor DHT22, mikrokontroler Arduino Uno R4 WiFi (ESP32-S3), serta antarmuka web berbasis MySQL untuk pemantauan suhu secara real time. Ambang batas suhu ditentukan pada 28°C (minimum), 34°C (maksimum), dan sistem akan mengaktifkan pemanas atau kipas pendingin jika suhu berada di luar rentang tersebut. Pengujian dilakukan selama tiga hari dengan interval pembacaan setiap 10 menit. Hasil menunjukkan bahwa sistem mampu menjaga suhu kandang dalam kondisi ideal, mengurangi konsumsi energi hingga 25% dibandingkan metode manual, serta meningkatkan efisiensi dan kemudahan pemantauan bagi peternak. Sistem ini diharapkan menjadi solusi modern dalam mendukung produktivitas peternakan ayam broiler.]]>
<![CDATA[Implementasi Metode PROMETHEE II dalam Sistem Pendukung Keputusan Seleksi Smart Class ]]>
<![CDATA[Petrus Bitin]]>;
<![CDATA[Intan Nur Farida]]>;
<![CDATA[Daniel Swanjaya]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 2 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/j0pvw831
<![CDATA[Abstrak—SMA Muhammadiyah Kota Kediri memiliki kelas unggulan bernama Smart Class yang menampung siswa-siswa berprestasi. Seleksi siswa selama ini masih dilakukan secara manual menggunakan Microsoft Excel, sehingga tidak efisien dan rawan kesalahan. Penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan menggunakan metode PROMETHEE II dalam menyeleksi siswa berdasarkan nilai Tes Potensi Akademik, Tes Psikologi, dan Literasi Numerasi. Sistem dibangun menggunakan bahasa pemrograman PHP dengan basis data MySQL. Hasil pengujian menunjukkan bahwa sistem mampu memberikan hasil pemeringkatan siswa secara cepat dan akurat, sehingga mendukung proses seleksi yang objektif dan efisien.]]>
<![CDATA[Implementasi Sistem Monitoring Kebakaran Dengan Menggunakan Fuzzy Tsukamoto Berbasis IoT ]]>
<![CDATA[Sholahuddin, Muhammad Resandi]]>;
<![CDATA[Sahertian, Julian]]>;
<![CDATA[Irawan, Rony Hery]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 1 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/jv70y225
<![CDATA[Salah satu bencana yang tidak dapat diprediksi adalah kebakaran. Kebakaran memiliki risiko tinggi terhadap keselamatan jiwa dan kerugian materiil. Penelitian ini bertujuan mengembangkan sistem deteksi dini kebakaran berbasis logika fuzzy yang diimplementasikan pada mikrokontroler dengan koneksi internet. Sistem ini memberikan peringatan dini secara real-time untuk meminimalkan dampak kebakaran. Data dari sensor suhu dan asap diproses menggunakan inferensi fuzzy untuk menentukan tingkat risiko. Hasilnya dikirim ke Firebase dan jika terdeteksi kondisi berisiko, sistem akan mengirimkan koordinat lokasi kejadian secara otomatis. Pengujian sistem dilakukan berdasarkan latensi dan throughput. Hasil pengujian menunjukkan sistem bekerja responsif dan akurat dalam mengidentifikasi potensi kebakaran. Penelitian ini diharapkan menjadi solusi praktis untuk pemantauan kebakaran berbasis Internet of Things (IoT), serta berkontribusi dalam peningkatan keselamatan dan mitigasi risiko bencana.]]>
<![CDATA[Teknologi Pose Estimation Untuk Model Klasifikasi Gerakan Hammer-Curl ]]>
<![CDATA[Perkasa, Galang Elang]]>;
<![CDATA[Kasih, Patmi]]>;
<![CDATA[Helilintar, Risa]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 1 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/1h8nsj97
<![CDATA[Penelitian ini bertujuan untuk mengembangkan sistem kecerdasan buatan berbasis perkiraan pose yang mampu mendeteksi dan mengevaluasi gerakan hammer-curl secara akurat. Sistem ini menganalisis pola gerakan tubuh dari video dengan memanfaatkan koordinat titik-titik tubuh (landmark), seperti bahu, siku, dan pergelangan tangan. Data landmark disusun dalam bentuk urutan berdimensi tetap sebanyak 30 frame untuk merepresentasikan satu unit gerakan, kemudian digunakan sebagai input untuk melatih model Long Short-Term Memory (LSTM). Model ini dikembangkan untuk mengklasifikasikan kualitas gerakan menjadi tiga kategori, yaitu gerakan sempurna, benar, dan salah. Hasil pengujian menunjukkan bahwa model mencapai akurasi sebesar 94% dari total 1579 data, dengan nilai macro average dan weighted average yang tinggi. Performa klasifikasi pada masing-masing kelas juga menunjukkan hasil yang baik, dengan nilai f1-score sebesar 90% untuk gerakan sempurna, 96% untuk gerakan benar, dan 95% untuk gerakan salah. Temuan ini menunjukkan bahwa sistem yang dibangun efektif dalam mengevaluasi kualitas gerakan hammer-curl dan berpotensi untuk diterapkan dalam pelatihan kebugaran secara otomatis dan real-time.]]>
