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
 83   84   85   86   87 
Klasifikasi Penyakit Daun Tanaman Berbasis Citra Menggunakan Convolutional Neural Network Data Augmentation Suci, Bintang Dyas; Musfiroh, Musfiroh; Sefriani, Shintia Putriayu; Sumanto, Sumanto; Pakpahan, Roida; Budiawan, Imam
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.v10i1.8894

Abstract

Penelitian ini membahas penerapan Convolutional Neural Network (CNN) yang dikombinasikan dengan teknik augmentasi data untuk klasifikasi penyakit daun tanaman berbasis citra. Permasalahan utama penelitian ini adalah keterbatasan jumlah data latih yang dapat memengaruhi kinerja model klasifikasi. Tujuan penelitian adalah mengevaluasi efektivitas augmentasi data dalam meningkatkan performa model CNN pada dataset berskala terbatas. Dataset yang digunakan adalah Plant Disease Recognition Dataset yang terdiri dari 1.523 citra dengan tiga kelas, yaitu Healthy, Powdery Mildew, dan Rust. Penelitian ini menggunakan metode eksperimen dengan tahapan praproses data, augmentasi data, pelatihan model, serta evaluasi performa yang seluruhnya dilakukan menggunakan Google Colab. Teknik augmentasi yang diterapkan meliputi rotasi, zoom, dan horizontal flip. Hasil penelitian menunjukkan bahwa model CNN mampu mencapai akurasi validasi yang baik, meskipun performa klasifikasi antar kelas masih bervariasi, khususnya pada kelas Rust yang memiliki karakteristik visual kompleks, sebagaimana ditunjukkan melalui confusion matrix dan classification report. Selain itu, penelitian ini mengimplementasikan skema prediksi real-time sebagai proof-of-concept. Secara keseluruhan, hasil penelitian menunjukkan bahwa kombinasi CNN dan augmentasi data efektif untuk klasifikasi penyakit tanaman pada kondisi keterbatasan data dan sumber daya komputasi.
Penerapan Algoritma K-Means Clustering dalam Pengelompokan Kelas Berdasarkan Nilai Akademik Harli, Eko; Fauzi, Ahmad; Kusmanto, Tria Hadi
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.v10i1.8885

Abstract

Analisis Kinerja Model Yolov8 Berbasis Roboflow pada Deteksi Sampah Plastik Non-Plastik Otomatis Alghiffary, Muhammad Adya; Saputra, Yusup; Ali, Satrio Nur; Sumanto, Sumanto; Taufig, 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.v10i1.8896

Abstract

Meningkatnya jumlah sampah plastik menuntut adanya sistem pemilahan yang lebih efisien dan akurat. Pemilahan sampah secara manual masih memiliki keterbatasan dari segi waktu dan ketelitian. Oleh karena itu, diperlukan sistem deteksi otomatis berbasis computer vision menggunakan model YOLOv8 dan Roboflow untuk membedakan sampah plastik dan non-plastik secara efektif. Penelitian ini berfokus pada evaluasi kinerjamodel YOLOv8 untuk mengotomasi deteksi sampah Plastik dan Non-Plastik, sebuah langkah krusial dalam pengelolaan limbah modern. Menggunakan dataset yang disediakan Roboflow, model dikembangkan dan diuji coba seluruhnya di lingkungan Google Colab. Model YOLOv8 menunjukkan hasil yang sangat memuaskan, dengan capaian mean Average Precision (mAP) mencapai 95,2% dan akurasi 94,5%. Kinerja tinggi ini didukung oleh nilai presisi dan recall yang kuat, menandakan kemampuan klasifikasi yang handal. Studi ini menyimpulkan bahwa YOLOv8 adalah pilihan yang efektif dan efisien untuk penerapan dalam teknologi pemilahan sampah otomatis, yang berpotensi meningkatkan produktivitas dan keberlanjutan pengelolaan sampah di berbagai skala.
Analisis Tren Popularitas Musik Spotify Menggunakan Chi-Square, Regresi Linear & Anova Sentanu, Quinn Abrar Athallah; Alamsyah, Muhammad Arkan; Rivaldi, Muhammad; Sumanto, Sumanto; Taufiq, Ghofar
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.v10i1.8897

Abstract

Musik adalah fenomena budaya yang dinamis, dengan platform streaming seperti Spotify merevolusi konsumsi. Penelitian ini bertujuan menganalisis tren karakteristik akustik dan popularitas musik menggunakan Dataset Spotify dari tahun 2018 hingga 2022, periode krusial dominasi digital. Pentingnya topik ini terletak pada identifikasi pergeseran selera digital dan faktor-faktor yang mendorong keberhasilan musikal kontemporer. Penelitian ini menggunakan metode analisis statistik deskriptif dan pemodelan deret waktu pada metrik popularitas serta karakteristik akustik seperti danceability, energy, dan valence.Genre R&B dan Indie mencatat pertumbuhan popularitas yang paling signifikan. Disimpulkan bahwa dalam era streaming, danceability telah menjadi prediktor kuat popularitas, menandakan preferensi pendengar terhadap musik yang lebih berirama, sebuah temuan penting bagi produser musik dan pemasar
Analisis Klaster Tingkat Stres Generasi Z Berdasarkan Pola Tidur dan Aktivitas Media Sosial Menggunakan Metode K-Means Clustering Putra, Imam Hanif; Nurrahman, Alvin; Saputra, Sabita Abigail; Sumanto, Sumanto; Budiawan, Imam; Pakpahan, Roida
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.v10i1.8898

Abstract

Penelitian ini bertujuan untuk mengidentifikasi pola kecenderungan stres pada Generasi Z melalui analisis klaster berbasis perilaku tidur dan penggunaan media sosial. Data yang digunakan berasal dari dataset kesehatan mental publik tahun 2025 yang terdiri dari 5.000 data responden, dengan dua variabel utama yaitu durasi tidur harian dan lama penggunaan media sosial. Pendekatan kuantitatif eksploratori diterapkan menggunakan metode unsupervised learning, tanpa melibatkan label kelas. Proses analisis dilakukan melalui tahap pembersihan data, normalisasi, dan klasterisasi menggunakan algoritma K-Means yang diimplementasikan pada aplikasi Orange Data Mining. Penentuan jumlah klaster optimal dilakukan dengan evaluasi Silhouette Score, yang menunjukkan bahwa konfigurasi enam klaster memberikan kualitas pemisahan terbaik dibandingkan variasi klaster lainnya. Hasil klasterisasi memperlihatkan perbedaan karakteristik yang jelas antar kelompok, mulai dari individu dengan durasi tidur rendah dan penggunaan media sosial tinggi hingga kelompok dengan pola tidur lebih seimbang dan aktivitas digital lebih terkendali. Temuan ini menunjukkan bahwa kombinasi pola tidur dan intensitas penggunaan media sosial dapat digunakan sebagai indikator awal dalam memetakan potensi stres pada Generasi Z, serta menjadi dasar bagi penelitian lanjutan terkait kesehatan mental berbasis perilaku digital.
Perbandingan Kinerja Algoritma SVM dan KNN untuk Klasifikasi Dataset Iris Alviansyah, Khrisna; Alviansyah, Muhammad Rafi; Wargana, Daffa Tegar
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.v10i1.8899

Abstract

Tugas klasifikasi merupakan inti dari disiplin ilmu machine learning (ML) dan pattern recognition. Penelitian ini berfokus pada perbandingan kinerja dua algoritma klasifikasi: Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN).Dataset yang digunakan adalah Dataset Iris dengan 150 sampel, menggunakan pembagian data 80% data latih dan 20% data uji. Model diimplementasikan menggunakan Python dan library Scikit-learn dengan metrik evaluasi Akurasi dan Presisi. Dibandingkan dengan penelitian sebelumnya yang menggunakan metode lain seperti Naïve Bayes, model SVM dan KNN dalam studi ini menunjukkan keunggulan signifikan. Hasil penelitian menunjukkan kinerja sempurna dari kedua model, yaitu Akurasi 100% dan Presisi 100% pada data uji. Analisis mengkonfirmasi bahwa hasil ini disebabkan oleh karakteristik Dataset Iris yang dapat dipisahkan secara linear.
Pemanfaatan Google Form sebagai Media Latihan Menulis Paragraf dalam Pembelajaran Bahasa Indonesia Jarak Jauh Ramliyana, Randi; Nabella, Chykita Gebby; Radita, Hana Cintia 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.v10i1.8900

Abstract

Pembelajaran jarak jauh menuntut pemanfaatan teknologi digital sebagai media pembelajaran yang efektif. Salah satu keterampilan berbahasa yang memerlukan latihan berkelanjutan adalah keterampilan menulis paragraf. Penelitian ini bertujuan untuk mendeskripsikan pemanfaatan Google Form sebagai media latihan menulis paragraf dalam pembelajaran Bahasa Indonesia jarak jauh. Penelitian menggunakan pendekatan deskriptif kualitatif. Data diperoleh melalui observasi pembelajaran, analisis dokumen hasil latihan menulis mahasiswa, dan refleksi pembelajaran. Hasil penelitian menunjukkan bahwa Google Form dimanfaatkan sebagai media latihan menulis paragraf berbasis kerangka, yaitu dengan menyediakan ide pokok dan poin-poin pendukung yang harus dikembangkan mahasiswa menjadi paragraf utuh. Pemanfaatan Google Form memudahkan mahasiswa memahami struktur paragraf serta memudahkan dosen dalam mengelola dan mendokumentasikan hasil latihan menulis. Kebaruan penelitian ini terletak pada penggunaan Google Form sebagai media latihan menulis berbasis proses, bukan sebagai alat evaluasi semata.
Prediksi Kadar Gula Pereduksi Berdasarkan Nilai Brix Menggunakan Jaringan Syaraf Tiruan Naufal, Muhammad Bintang; Aribowo, Budi
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.v10i1.8901

Abstract

Kadar gula pereduksi merupakan indikator penting dalam penilaian mutu madu sebagaimana tercantum pada Standar Nasional Indonesia (SNI) 8664:2018. Namun, pengujian laboratorium membutuhkan biaya, waktu, dan peralatan khusus sehingga kurang sesuai untuk produsen skala kecil. Penelitian ini bertujuan mengembangkan sistem pakar berbasis web untuk memprediksi kadar gula pereduksi madu menggunakan nilai Brix sebagai input. Model dibangun dengan Jaringan Syaraf Tiruan (JST) tipe Perceptron Lapis Tunggal dan diimplementasikan melalui Streamlit, kemudian dihosting di Hugging Face Spaces agar mudah diakses secara daring. Dataset penelitian terdiri dari 15 data nilai Brix dan 5 data gula pereduksi, yang dilengkapi menjadi 20 pasangan data melalui interpolasi linier. Data dinormalisasi menggunakan metode Min-Max sebelum dilakukan pelatihan dengan validasi silang 5-Fold Cross Validation dan evaluasi menggunakan Mean Squared Error (MSE). Hasil terbaik dicapai pada epoch ke-300 dengan MSE sebesar 0,0676, sedangkan pelatihan hingga 800 epoch menghasilkan MSE akhir 0,1330. Sistem memungkinkan pengguna melakukan pelatihan dan prediksi secara langsung serta menampilkan hasil berupa visualisasi, nilai bobot dan bias, serta validasi terhadap standar SNI. Penelitian ini menunjukkan potensi penggunaan nilai Brix dan JST untuk prediksi mutu madu, meskipun masih terbatas oleh ukuran dataset dan penggunaan interpolasi.
Implementasi Metode MOORA Pada Sistem Pendukung Keputusan Pemilihan Karyawan Terbaik PT. Usaha Pribumi Mindry, Sary Lias; Natsir, Fauzan; Fitriansyah, Aswin
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.v10i1.8902

Abstract

Implementasi Algoritma K-Means Clustering Untuk Mengelompokkan Produk Kemeja Merek Warler Pratama, Rizki; Sarwandianto, Achmad; Sandy, Agung Ferdinan
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.v10i1.8628

Abstract

Penelitian ini mengimplementasikan algoritma K-Means Clustering untuk menganalisis dan mengelompokkan produk kemeja merek Warler berdasarkan karakteristik penjualannya. Dengan menggunakan data penjualan seperti jumlah stok, harga jual, dan tingkat penjualan, algoritma ini berhasil membagi produk ke dalam beberapa kluster yang membantu perusahaan dalam mengidentifikasi pola penjualan dan mengoptimalkan strategi inventori. Hasil pengelompokan ini memberikan wawasan berharga bagi manajemen untuk pengambilan keputusan terkait manajemen stok dan strategi pemasaran yang lebih efektif

Page 85 of 87 | Total Record : 868

 83   84   85   86   87 

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