cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Alusyanti Primawati
Contact Email
alus.unindra23@gmail.com
Phone
+6281310772762
Journal Mail Official
semnas.sakaintek@gmail.com
Editorial Address
Kampus B. Jl. Raya Tengah No.80, Gedong, Pasar Rebo, Jakarta Timur 13760
Location
Kota adm. jakarta selatan,
Dki jakarta
INDONESIA
Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK)
Published by Universitas Indraprasta PGRI
ISSN : 25275321     EISSN : 25275941     DOI : https://doi.org/10.30998/semnasristek.v8i01
Core Subject : Science, Education, Engineering,
Civil Engineering, Building, Construction & Architecture Computer Science & IT Education Engineering Other
Prosiding ini berisi artikel-artikel yang telah didesiminasikan dalam acara Seminar Nasional Riset dan Inovasi Teknologi (SEMNAS RISTEK) yang diselenggarakan oleh Program Studi Teknik Informatika, FTIK, Universitas Indraprasta PGRI. Penyelenggaraan SEMNAS RISTEK dimulai tahun 2017 dengan publikasi cetak, sedangkan publikasi online melaui OJS dimulai tahun 2020. Fokus dan Area Prodisiding diantaranya: Data Mining Internet of Things Machine Learning Deep Learning Reinformance Learning Generative AI Software Engeneering E-Learning Expert System Artificial Intelligence Game Development Ethic AI Business Intelligence Data Engineering Web Development E-Commerce Arsitektur dan Jaringan Komputer Semantic Analysis Sistem Real-Time Sistem Berbasis Pengetahuan Neural Network Customer Relatioship Management E-Government Komputer Grafis Pengolahan Citra Komputer dan Masyarakat Teknologi Industri Infrastruktur Wilayah dan Tata Kota Aplikasi Multimedia Cloud Computing Teknologi Pendidikan Teknologi Desain dan Arsitektur
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 868 Documents
 80   81   82   83   84 
Pendekatan Bidirectional LSTM untuk Klasifikasi Fungsional dan Non-Fungsional Requirements Berbasis Natural Language Processing Basir, Rizki Rizkyatul; Megiati, Yunita Endra; Pratiwi, Noor Komari
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 10, No 1 (2026): SEMNAS RISTEK 2026
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v10i1.8869

Abstract

Proses klasifikasi Functional Requirement (FR) dan Non-Functional Requirement (NFR) merupakan tahap penting dalam Software Engineering untuk memastikan sistem yang dibangun memenuhi aspek fungsional maupun kualitas. Tantangannya terletak pada proses manual, sehingga menyita waktu dan rentan terhadap human error. Penelitian ini bertujuan untuk mengotomatisasi proses klasifikasi dengan menggunakan pendekatan Natural Language Processing (NLP) berbasis model Bidirectional Long Short-Term Memory (BiLSTM). Metode ini dipilih karena mampu memahami konteks kalimat dari dua arah, sehingga meningkatkan akurasi dalam pengenalan teks requirement. Dataset yang digunakan diambil dari repositori Mendeley Data dengan jumlah 6.117 entri, kemudian melalui tahap pre-processing menjadi 6.086 data valid dengan 3.964 FR dan 2.122 NFR. Data diproses dengan tahapan tokenisasi, padding, encoding label, serta pembagian data latih dan uji. Model BiLSTM dilatih menggunakan TensorFlow atau Keras dan dibandingkan dengan pendekatan TF-IDF + Logistic Regression sebagai baseline. Hasil uji menunjukkan model BiLSTM mencapai akurasi 84,31%, dengan performa yang konsisten dalam mengenali kelas requirement. Penelitian ini menunjukan efektivitas pendekatan deep learning efektif untuk membantu proses requirement engineering untuk meningkatkan efisiensi sekaligus meminimalkan human error.
Penerapan K-Medoids untuk Mengelompokkan Produk pada Toko Online Aldaf Store Depok Khatami, Nabila
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 10, No 1 (2026): SEMNAS RISTEK 2026
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v10i1.8871

Abstract

Implementasi Metode SAW dalam Pengambilan Keputusan untuk Pembelian Mobil di Showroom Ridwan Mobilindo Alfariji, Dede; Nuzulah, Rahnita; Pinahayu, Ek Ajeng Rahmi
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 10, No 1 (2026): SEMNAS RISTEK 2026
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v10i1.8510

Abstract

Showroom Ridwan Mobilindo menghadapi tantangan dalam memberikan rekomendasi mobil yang sesuai dengan kebutuhan pelanggan, karena banyaknya pilihan mobil dengan berbagai kriteria yang tidak jauh berbeda dan harus dipertimbangkan. Untuk mengatasi permasalahan tersebut, penelitian ini menerapkan sistem pendukung keputusan dengan menggunakan metode Simple Additive Weighting (SAW). Dengan diterapkannya metode Simple Additive Weighting (SAW), proses pemilihan mobil menjadi lebih efisien, objektif, dan tepat sasaran. Metode SAW dipilih karena mampu melakukan perhitungan berbasis bobot pada setiap kriteria, sehingga menghasilkan peringkat alternatif yang lebih objektif. Hasil dari penelitian menunjukkan bahwa metode SAW mampu menghasilkan peringkat mobil yang membantu pemilik showroom dalam memberikan rekomendasi terbaik kepada pelanggan secara cepat dan akurat. Selain itu, sistem ini juga mempermudah pengambilan keputusan yang berbasis data, sehingga meningkatkan kepercayaan pelanggan dan kualitas layanan showroom secara keseluruhan.
Sistem Pendukung Keputusan Kenaikan Jabatan Karyawan Menggunakan Metode AHP Alghifary, Muhammad Refqi; Izzatillah, Millati
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 10, No 1 (2026): SEMNAS RISTEK 2026
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v10i1.8192

Abstract

Dalam sebuah perusahaan, karyawan merupakan aset penting yang sangat memengaruhi kinerja dan daya saing organisasi. Salah satu cara untuk menjaga semangat kerja dan loyalitas mereka yaitu dengan memberikan kesempatan promosi jabatan secara adil dan terukur. Namun, pada praktiknya, proses kenaikan jabatan kerap menghadapi kendala, seperti penilaian yang subjektif, kurangnya transparansi, hingga pengambilan keputusan yang hanya berdasarkan kedekatan personal. Hal tersebut dapat memicu konflik internal dan menurunkan motivasi kerja karyawan. Melihat tantangan tersebut, pemanfaatan Sistem Pendukung Keputusan (SPK) menjadi sangat relevan. Terlebih, jika menggunakan metode yang mampu menggabungkan penilaian kualitatif dan kuantitatif seperti Analytical Hierarchy Process (AHP). Metode ini memungkinkan proses seleksi yang lebih objektif, logis, dan akuntabel secara matematis. Dengan penerapan sistem SPK berbasis AHP, perusahaan diharapkan mampu menciptakan proses promosi yang lebih efisien, adil, dan berbasis data, sekaligus meningkatkan profesionalisme serta kepercayaan karyawan terhadap sistem yang digunakan.
Sistem Pakar Penentuan Jenis Pelatihan Kerja yang Sesuai dengan Profile Pencari Kerja Menggunakan Metode Forward Chaining pada Kementerian Ketenagakerjaan RI Aldiansyah, Reza; Opitasari, Opitasari; Agustina, Amaliasyifa
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 10, No 1 (2026): SEMNAS RISTEK 2026
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v10i1.8791

Abstract

Permasalahan utama dalam dunia ketenagakerjaan Indonesia salah satunya adalah ketidaksesuaian antara jenis pelatihan yang diikuti oleh pencari kerja dengan latar belakang dan minat mereka, sehingga pelatihan tidak efektif meningkatkan kompetensi. Penelitian ini bertujuan untuk merancang dan membangun sistem pakar berbasis web yang dapat merekomendasikan jenis pelatihan kerja sesuai dengan profile pencari kerja menggunakan metode forward chaining. Metode ini melakukan penalaran berdasarkan fakta-fakta awal seperti usia, jenis kelamin, pendidikan, dan minat pencari kerja yang diinput ke dalam sistem, kemudian dicocokkan dengan aturan dalam knowledge base untuk menghasilkan rekomendasi pelatihan yang sesuai. Penelitian ini menggunakan pendekatan Research and Development (R&D), Hasil penelitian menunjukkan bahwa sistem mampu memberikan rekomendasi secara otomatis, serta mendukung proses digitalisasi layanan pelatihan di Kementerian Ketenagakerjaan RI. Dengan penerapan teknologi ini, diharapkan dapat meningkatkan efektivitas pelatihan kerja dan meminimalisir kesenjangan kompetensi dengan kebutuhan industri.
Model Klasifikasi Intensi untuk Chatbot Layanan Pelanggan Menggunakan Long Short-Term Memory Trisoko, Maeru Bagas; Septiani, Ni Wayan Parwati
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 10, No 1 (2026): SEMNAS RISTEK 2026
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v10i1.8792

Abstract

ABSTRAKPenelitian ini bertujuan untuk mengembangkan model klasifikasi intensi dalam bentuk chatbot layanan pelanggan Bahasa Indonesia menggunakan algoritma Long Short-Term Memory (LSTM). Permasalahan utama yang diangkat dalam penelitian ini adalah belum adanya teknologi yang dapat menanggapi pertanyaan pelanggan secara otomatis dan realtime di PT Sampul Kreatif Teknologi. Dataset yang digunakan realcase yang diperoleh dari komentar atau pertanyaan pengguna media sosial yang dikategorikan ke dalam berbagai label/tag intensi, seperti layanan-web, keamanan-aplikasi, harga, kontak, dan tag lainnya. Proses pelatihan model melibatkan beberapa tahapan preprocessing seperti lowercasing, punctual removal, tokenization, slang normalization menggunakan combined_slang_words.txt, word indexing, padding sequences, serta penggunaan word embedding id.vec untuk vektorisasi 300 dimensi. Setelah proses vektorisasi, model dilatih menggunakan jaringan LSTM dengan fungsi aktivasi softmax, optimizer adam, menggunakan learning rate 0.001 dan batch size 16 selama 100 epoch. Hasil pelatihan menunjukkan bahwa model memiliki kemampuan klasifikasi yang cukup baik, dengan akurasi evaluasi akhir sebesar 57,53% terhadap data uji. Meskipun masih perlu banyak peningkatan pada pemahaman konteks, namun akurasi tersebut sudah cukup baik karena menggunakan dataset realcase media sosial yang pada umumnya tidak berpola.
Penghitungan Otomatis Tiket Permainan Berbasis Yolo pada Family Entertainment Center Huda, Didik Nur; Kumala, Siti Ayu
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 10, No 1 (2026): SEMNAS RISTEK 2026
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v10i1.8794

Abstract

Penelitian ini membahas penerapan algoritma YOLO (You Only Look Once) untuk deteksi dan perhitungan tiket secara otomatis. Proses pelatihan model dilakukan dengan menggunakan dataset citra tiket yang telah dilabeli, kemudian dievaluasi melalui metrik mean Average Precision (mAP). Hasil validasi menunjukkan performa model yang sangat baik dengan nilai mAP50 sebesar 0,995 dan mAP50–95 sebesar 0,847, yang menandakan tingkat akurasi tinggi pada berbagai ambang batas IoU. Kurva pelatihan dan validasi memperlihatkan penurunan nilai loss serta peningkatan metrik evaluasi secara konsisten, sehingga membuktikan kemampuan model dalam melakukan generalisasi. Model yang telah dilatih kemudian diimplementasikan untuk mendeteksi dan menghitung tiket secara langsung menggunakan webcam. Hasil uji coba membuktikan bahwa sistem mampu mendeteksi serta menghitung tiket secara otomatis dengan akurat dan efisien, sehingga dapat menjadi solusi praktis untuk menggantikan perhitungan manual yang membutuhkan waktu lama dan rentan kesalahan.
Sistem Pakar Diagnosis Penyakit pada Ayam di Wr Farm Menggunakan Metode Certainty Factor Putri, Larasati Ayu; Wulan, Rayung; Yulianingsih, Yulianingsih
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 10, No 1 (2026): SEMNAS RISTEK 2026
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v10i1.8531

Abstract

Permasalahan dalam peternakan ayam, khususnya terkait keterlambatan diagnosis penyakit, menjadi tantangan serius yang dapat menyebabkan penyebaran penyakit secara masif dan kerugian ekonomi. WR Farm Palembang sebagai objek penelitian memiliki keterbatasan dalam mendiagnosis penyakit ayam secara cepat dan akurat karena ketergantungan pada tenaga medis terbatas. Penelitian ini bertujuan untuk merancang sistem pakar berbasis website yang mampu mendiagnosis penyakit ayam menggunakan metode Certainty Factor (CF). Metode CF digunakan karena mampu menangani ketidakpastian data gejala dan menghasilkan nilai tingkat kepastian terhadap hasil diagnosis. Data diperoleh melalui studi literatur, observasi langsung, dan wawancara dengan dokter hewan. Sistem dibangun dengan basis pengetahuan berupa aturan IF-THEN yang dikombinasikan dengan nilai CF untuk setiap relasi antara gejala dan penyakit. Hasil implementasi menunjukkan bahwa sistem mampu memberikan diagnosis awal secara cepat dan responsif berdasarkan gejala yang diinput oleh pengguna. Sistem ini diharapkan dapat membantu peternak dalam melakukan deteksi dini terhadap penyakit, meminimalisir angka kematian ayam, dan meningkatkan efisiensi pengambilan keputusan dalam penanganan penyakit unggas.
Penerapan Metode Topsis dalam Sistem Pendukung Keputusan Penerimaan Bantuan Sosial di Kelurahan Tapos Depok Alvarizy, Riky; Wulan, Rayung; Mardika, Putri Dina
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 10, No 1 (2026): SEMNAS RISTEK 2026
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v10i1.8525

Abstract

Proses seleksi penerima bantuan sosial di Kelurahan Tapos Depok masih dilakukan secara manual, sehingga memakan waktu lama dan rentan subjektivitas. Hal ini menimbulkan masalah efektivitas dan ketepatan sasaran penerima bantuan. Berdasarkan hal tersebut, rumusan masalah penelitian ini adalah bagaimana merancang sistem pendukung keputusan yang objektif, cepat, dan sistematis menggunakan metode TOPSIS. Penelitian ini bertujuan menerapkan metode TOPSIS dalam sistem seleksi penerima bantuan sosial dengan kriteria penghasilan, jarak, jumlah anggota keluarga, usia, dan kelompok rentan. Sistem dibangun menggunakan Java dan MySQL dengan pendekatan kuantitatif melalui tahapan normalisasi, pembobotan, penentuan solusi ideal, perhitungan jarak, dan perangkingan. Hasil penelitian menunjukkan kriteria dengan bobot terbesar adalah penghasilan (0,30), diikuti jarak (0,25), jumlah anggota keluarga (0,20), usia (0,15), dan kelompok rentan (0,15). Sistem mampu menghasilkan peringkat penerima bantuan secara objektif dengan nilai preferensi tertinggi 0,175 serta meningkatkan kecepatan, akurasi, dan mengurangi subjektivitas dalam proses seleksi. 
Penerapan Metode K-Means untuk Pengelompokan Data Penjualan Produk pada Toko Uber Moro 2 Kurniansyah, Alfath Adil; Wulan, Rayung; Niswati, Za'imatun
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 10, No 1 (2026): SEMNAS RISTEK 2026
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v10i1.8514

Abstract

Penelitian ini dilakukan untuk membantu Toko Uber Moro 2 dalam mengelola data penjualan produk yang semakin kompleks menjadi lebih sistematis dan efisien melalui penerapan metode K-Means. Tujuan dari penelitian ini adalah membangun sistem analisis yang mampu mengelompokkan produk berdasarkan performa penjualannya. Metode K-Means dipilih karena kemampuannya dalam mengelompokkan data berdasarkan kemiripan nilai dari jumlah produk terjual dan total transaksi produk selama 3 bulan terakhir. Proses iteratif K-Means menghasilkan klaster dengan karakteristik serupa, sehingga memudahkan identifikasi pola penjualan. Hasil pengujian menunjukkan bahwa sistem mampu membagi ke dalam tiga kategori penjualan: tinggi, sedang, dan rendah. Secara rinci, terdapat 14 produk dengan penjualan tinggi, 10 produk dengan penjualan sedang, dan 16 produk dengan penjualan rendah. Sistem ini mempermudah pemilik toko dalam melaksanakan operasional toko seperti pengelolaan stok maupun promosi produk secara lebih efektif.

Page 82 of 87 | Total Record : 868

 80   81   82   83   84 

Filter by Year

2020 2026


Reset
Filter By Issues
All Issue Vol 10, No 1 (2026): SEMNAS RISTEK 2026 Vol 9, No 1 (2025): SEMNAS RISTEK 2025 Vol 8, No 01 (2024): SEMNAS RISTEK 2024 Vol 7, No 1 (2023): SEMNAS RISTEK 2023 Vol 6, No 1 (2022): SEMNAS RISTEK 2022 Vol 5, No 1 (2021): SEMNAS RISTEK 2021 Vol 4, No 1 (2020): SEMNAS RISTEK 2020