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
 82   83   84   85   86 
Sistem Pendukung Keputusan Pemilihan Sepatu Olahraga Menggunakan Metode Weighted Product pada Toko Emporio Armani 7 Khofifah, Nur; Anisah, Siti; Ishaka, Muhamad Buhais
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.v10i1.8636

Abstract

Dalam industri ritel, terutama di toko sepatu olahraga, pelanggan sering kesulitan memilihprodukyang sesuai karena banyaknya pilihan dengan spesifikasi yang beragam. Di Toko Emporio Armani 7, hal ini menyebabkan ketergantungan pada penilaian subjektif staf, yang tidakselalumencerminkan kebutuhan pelanggan. Penelitian ini bertujuan untuk mengembangkan SistemPendukung Keputusan (SPK) yang membantu pelanggan memilih sepatu olahraga yangsesuai dengan kebutuhan dan preferensinya menggunakan metode Weighted Product. Denganmenggunakan sistem ini, pemilihan sepatu dapat dilakukan secara objektif dan efisien, meningkatkan kualitas pelayanan dan kepuasan pelanggan. Temuan utama dari penelitianini adalah bahwa penerapan metode Weighted Product pada sistem pendukung keputusandapat memberikan rekomendasi produk sepatu olahraga yang lebih tepat dan objektif. Sistemini mampumempertimbangkan berbagai kriteria seperti jenis olahraga, Gender, warna, kelenturan, ketebalansol, dan harga secara bersamaan, sehingga menghasilkan peringkat produk yang lebihsesuai dengan preferensi pelanggan. Implikasi dari temuan ini menunjukkan bahwa penggunaanSPKdapat mengurangi ketergantungan pada penilaian subjektif staf toko, mempercepat prosespemilihan sepatu, serta meningkatkan kepuasan pelanggan melalui pelayanan yang lebih efisien. Sistem Pendukung Keputusan berbasis metode Weighted Product efektif membantu pelangganmemilih sepatu olahraga yang sesuai dengan preferensi dan kebutuhan mereka. Sistemini meningkatkan efisiensi pemilihan produk, mengurangi ketergantungan pada penilaian subjektif staf, dan meningkatkan kepuasan pelanggan serta kualitas pelayanan toko. Kata Kunci: Sistem Pendukung Keputusan, Pemilihan Sepatu Olahraga, Weighted Product.
Implementasi Lightweight Neural Network Berbasis YOLOv8n untuk Klasifikasi Sampah Real-Time Ali, Muhamad Hafis; Sulaiman, Sulaiman; Ardiyansyah, Rizqi; Sumanto, Sumanto; Taufiq, Ghofar; Kumalasari, Jefina Tri
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.v10i1.8895

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi sampah real-time yang efisien pada perangkat edge dengan memanfaatkan arsitektur Deep Learning ringan berbasis YOLOv8. Klasifikasi sampah otomatis merupakan solusi krusial dalam Smart Waste Management, namun model jaringan saraf tiruan yang kompleks sering terkendala oleh keterbatasan sumber daya komputasi pada perangkat IoT. Penelitian ini menerapkan model YOLOv8n (nano) menggunakan teknik Transfer Learning untuk menyeimbangkan akurasi deteksi dan efisiensi komputasi. Dataset yang digunakan bersumber dari repositori publik Roboflow sebanyak 1.123 citra yang telah melalui proses augmentasi. Hasil pelatihan selama 50 epoch menunjukkan performa impresif dengan nilai mean Average Precision (mAP@50) mencapai 0.995, Presisi 0.998, dan Recall 1.0. Selain itu, model memiliki ukuran file yang sangat ringkas (±6 MB) dengan kecepatan inferensi yang memadai untuk operasi real-time. Hasil penelitian ini membuktikan bahwa algoritma lightweight neural network mampu diimplementasikan secara efektif untuk mendukung sistem pemilahan sampah cerdas berbasis Computer Vision.
Platform Web Biorez untuk Klasifikasi Sampah & Distribusi Barang Bekas Berbasis ML Chusaini, M. Aziz; Al Hafizh, Muhammad Fadhli; Prabowo, Raffi Arya Putra; Sutrisno, Rafi Alisba Garjita; Hariyanto, Andi; Lestari, Mei; 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.v10i1.8886

Abstract

Pengembangan Metode Deteksi Pad PCB Otomatis Menggunakan Kamera pada Mesin Pengebor PCB Berbasis Computer Vision Zamroni, Achmad; Harwahyu, Ruki
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.v10i1.8887

Abstract

Implementation of The Spirit Learning Model in 3D Animation Learning Abdillah, T. Rafli
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.v10i1.8888

Abstract

Sistem Pendukung Keputusan Pemilihan Karyawan Terbaik PT Bosowa Asuransi Menggunakan Metode Simple Additive Weighting (SAW) Yunus, Muhammad; Destiawati, Fitriana
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.v10i1.8889

Abstract

Sistem Pengambil Keputusan Pemilihan Ekstrakurikuler di SMA Taruna Harapan Bangsa Menggunakan Metode SMART Storgeus, Storgeus; Jayanti, Nila Rusiardi
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.v10i1.8890

Abstract

Pemilihan kegiatan ekstrakurikuler di SMA Taruna Harapan Bangsa seringkali menghadapi kendala karena siswa kesulitan menentukan pilihan yang sesuai dengan minat dan bakat mereka. Untuk membantu proses pengambilan keputusan tersebut, penelitian ini mensimulasikan pengembangan sistem pendukung keputusan (SPK) menggunakan metode Simple Multi Attribute Rating Technique (SMART). Metode SMART dipilih karena memiliki proses penilaian yang sederhana dan transparan dalam menentukan alternatif terbaik berdasarkan beberapa kriteria. Kriteria yang digunakan antara lain minat siswa, bakat, pengalaman, dan waktu luang. Proses pengambilan keputusan dilakukan dengan memberi bobot pada setiap kriteria dan menghitung nilai akhir tiap alternatif. Hasil simulasi menunjukkan bahwa sistem ini dapat merekomendasikan ekstrakurikuler yang paling sesuai dengan profil siswa secara objektif. Sistem ini diharapkan dapat membantu guru pembimbing dan siswa dalam mengambil keputusan yang lebih terarah dan efektif.
Penanganan Ketidakseimbangan Data pada Pemodelan Risiko Diabetes Tipe 2 Menggunakan SMOTE-MARS Fizkadana, Canada Mewa; Chamidah, Nur; Kurniawan, Ardi; Siregar, Naufal Ramadhan Al Akhwal
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.v10i1.8891

Abstract

Diabetes Melitus Tipe 2 (DMT2) merupakan tantangan kesehatan kritis di Indonesia, namun pemodelan faktor risikonya sering terhambat oleh ketidakseimbangan kelas di mana individu sehat melebihi jumlah kasus positif. Penelitian ini memodelkan risiko DMT2 menggunakan pendekatan hybrid yang menggabungkan Synthetic Minority Over-sampling Technique (SMOTE) dan Multivariate Adaptive Regression Splines (MARS). Penelitian ini menggunakan data medis dengan ketidakseimbangan awal 62% sehat dan 38% kasus DMT2. SMOTE diterapkan untuk menyeimbangkan distribusi training, diikuti dengan pemodelan MARS untuk menangkap interaksi non-linear. Hasil penelitian menunjukkan bahwa model SMOTE-MARS secara signifikan mengungguli MARS standar, mencapai Akurasi 0,70 dan AUC 0,73, dibandingkan dengan AUC model standar yang hanya 0,458. Model optimal mengidentifikasi Berat Badan, Tinggi Badan, dan Konsumsi Gula sebagai prediktor utama. Secara spesifik, berat badan di bawah 48 kg teridentifikasi sebagai faktor protektif yang kuat (OR 0,22), sedangkan tinggi badan kurang dari 165 cm (OR 1,22) dan interaksi berat badan berlebih (>62 kg) dengan konsumsi gula (OR 1,12) merupakan faktor risiko signifikan. Tingginya nilai sensitivitas mengindikasikan bahwa model SMOTE-MARS sangat potensial digunakan sebagai instrumen deteksi dini untuk mengidentifikasi pasien yang berisiko tinggi terkena diabetes.
Klasifikasi Jenis Kendaraan Berbasis Citra Menggunakan Deep Learning Pratama, Naufal Andhika; Kristanto, Petrick; Darmawan, Nasarrudin
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.v10i1.8892

Abstract

Perkembangan sistem transportasi cerdas menuntut kemampuan identifikasi kendaraan yang akurat dan efisien. Penelitian ini bertujuan untuk mengklasifikasikan jenis kendaraan berbasis citra menggunakan pendekatan deep learning dengan teknik transfer learning. Model yang digunakan adalah VGG16 pralatih ImageNet yang dimodifikasi dengan Global Average Pooling dan lapisan fully connected untuk mengklasifikasikan sepuluh kelas kendaraan, yaitu SUV, bus, family sedan, fire engine, heavy truck, jeep, minibus, racing car, taxi, dan truck. Dataset terdiri dari 1.400 citra data latih dan 200 citra data validasi dengan variasi sudut pandang dan kondisi pencahayaan. Proses pelatihan dilakukan dalam dua tahap, yaitu pelatihan awal dengan lapisan konvolusi dibekukan dan tahap fine-tuning dengan membuka sebagian lapisan akhir VGG16. Hasil pengujian menunjukkan model mencapai akurasi validasi terbaik sebesar 89% dengan nilai loss sebesar 0,32. Hasil ini menunjukkan bahwa pendekatan transfer learning efektif untuk klasifikasi kendaraan berbasis citra dan berpotensi diterapkan pada sistem transportasi cerdas.
Implementasi Algoritma Fisher-Yates Shuffle Pada Aplikasi Bear's Character English Learning Adventure Berbasis Android Di SDN Sukatani I Cahyania, Mutiara Oktavia; Septiani, Ni Wayan Parwati; Lestari, Mei
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.v10i1.8893

Abstract

Penelitian ini bertujuan untuk mengembangkan aplikasi pembelajaran Bahasa Inggris berbasis Android bernama Bear’s Character English Learning Adventure, yang ditujukan bagi siswa kelas I dan II di SDN Sukatani I. Aplikasi ini dirancang untuk meningkatkan minat belajar, keberanian berbicara, serta penguasaan kosakata dasar Bahasa Inggris melalui pendekatan yang interaktif dan menyenangkan. Pengembangan aplikasi ini menggunakan algoritma Fisher-Yates Shuffle, yaitu algoritma pengacakan yang digunakan untuk mengatur urutan soal secara acak dengan distribusi merata. Algoritma ini diterapkan pada fitur permainan edukatif dalam aplikasi untuk mencegah pengulangan soal dan menciptakan pengalaman belajar yang variatif setiap kali digunakan. Proses perancangan aplikasi juga melibatkan tahapan identifikasi kebutuhan pengguna, desain antarmuka ramah anak, serta pengujian fungsionalitas dan tampilan visual. Hasil uji coba menunjukkan bahwa penerapan algoritma Fisher-Yates Shuffle dalam aplikasi memberikan pengalaman belajar yang lebih dinamis dan tidak monoton. Siswa menunjukkan peningkatan antusiasme belajar dan mampu memahami materi dengan lebih baik. Aplikasi ini juga dinilai menarik secara visual dan mudah digunakan oleh siswa. Dengan demikian, aplikasi ini dapat menjadi solusi inovatif dalam mendukung pembelajaran Bahasa Inggris di tingkat sekolah dasar.

Page 84 of 87 | Total Record : 868

 82   83   84   85   86 

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