Articles
53 Documents
Search results for
, issue
"Vol. 5 No. 3 (2021): Seminar Nasional Inovasi Teknologi 2021"
:
53 Documents
clear
<![CDATA[Analisa Model Pengelompokan Data Survey Kepuasan Pelanggan Menggunakan Metode Self Organizing Maps ]]>
<![CDATA[Mochammad Ainun Muqsit]]>;
<![CDATA[Daniel Swanjaya]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 5 No. 3 (2021): Seminar Nasional Inovasi Teknologi 2021 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v5i3.1091
<![CDATA[Sebagai suatu industri, restoran merupakan bidang usaha yang menuntut penekanan pada kualitas pelayanan tinggi dan perbaikan kualitas secara berkesinambungan. konsumen menginginkan pengalaman rasa yang enak, suasana yang nyaman dan pengalaman yang menyenangkan selama dalam proses mengkonsumsi jasa kuliner. Penelitian ini bertujuan untuk membuat model pengelompokan data survey kepuasan pelanggan menggunakan metode SOM. Dataset survey kepuasan pelanggan penelitian ini diambil pada tahun 2019 bersumber dari warung MAK E. Rekap data survey dinormalisasi kemudian dikelompokan menggunakan metode SOM. Hasil yang diperoleh dari penelitian ini adalah hubungan antar banyak kelompok dengan kualitas pengelompokan, hubungan antara nilai max_epoch dengan kuallitas pengelompokan dan waktu untuk melatih jaringan, serta perbandingan kualitas pengelompokan metode SOM, dengan K-Means Clustering dan Agglomerative Clustering. Metode SOM memiliki kualitas pengelompokan yang terbaik dengan nilai Silhouette Coefficient-nya sebesar 0.1849.]]>
<![CDATA[Integrasi Metode Agglomerative Hierarchical Clustering dan Backpropagation Pada Model Peramalan Penjualan ]]>
<![CDATA[Krisna atma wijaya]]>;
<![CDATA[Daniel Swanjaya]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 5 No. 3 (2021): Seminar Nasional Inovasi Teknologi 2021 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v5i3.1092
<![CDATA[Artificial Neural Network (ANN) merupakan sebuah sistem cerdas yang digunakan untuk mengolah informasi yang merupakan perkembangan dari generalisasi model matematika, salah satu teknik yang sering digunakan untuk peramalan adalah Backpropagation. Banyak penelitian yang telah menggunakan Backpropagation untuk menyelesaikan masalah prediksi, tetapi kualitas peramalan yang didapat belum memuaskan. Penelitian ini bertujuan untuk memodifikasi model peramalan dengan menambahkan proses Clustering data sebelum dilakukannya proses peramalan. Dataset yang digunakan adalah data penjualan kopi sachet per bulan dari PT. Kapal Api. Data penjualan dinormalisasi, kemudian dibentuk menjadi Vektor Fitur dengan panjang tertentu, kemudian dikelompokan menggunakan Agglomerative Hierarchical Clustering (AHC). Tiap kelompok hasil dari AHC diolah menggunakan Backpropagation sehingga didapat Jaringan yang telah siap digunakan. Jaringan Backpropagation digunakan untuk mendapatkan output, kemudian output tersebut didenormalisasi untuk mendapatkan nilai aktual. Nilai aktual dan nilai nyata dibandingkan untuk pendapatkan nilai Mean Absolute Precentage Error (MAPE). Hasil dari penelitian ini menunjukan bahwa tingkat heterogenitas data sangat berpengaruh terhadap kuallitas pengelompokan dan peramalan yang didapat. Pada penelitian ini nilai MAPE yang diperoleh dari proses peramalan yang mengintegrasikan AHC dan Backpropagation lebih baik dari pada proses peramalan yang hanya menggunakan Backpropagation saja.]]>
<![CDATA[Integrasi Metode K-Means Clustering Dan Backpropagation Pada Pemodelan Peramalan Penjualan ]]>
<![CDATA[Mochamad Zamzamik]]>;
<![CDATA[Daniel Swanjaya]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 5 No. 3 (2021): Seminar Nasional Inovasi Teknologi 2021 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v5i3.1093
<![CDATA[Model peramalan penjualan dibutuhkan untuk membangun aplikasi peramalan penjualan. Banyak penelitian telah dilakukan, salah satunya model peramalan menggunakan metode Jaringan Syaraf Tiruan Backpropagation, tetapi kualitas model peramalanya belum memuaskan. Penelitian ini bertujuan untuk memperbaiki kualitas peramalan dengan cara mengintegrasikan metode K-Means Clustering dan Backpropagation. Dataset yang digunakan adalah data penjualan Bolu Pisang di Salsabila Cake. Proses diawali dengan transformasi data atau normalisasi, kemudian pengelompokan menggunakan K-Means Clustering, berikutnya pada setiap kelompok dilakukan pelatihan dan ujicoba menggunakan Backpropagation, output dari Bacpropagation didenormalisasi untuk mendapatkan nilai yang sesungguhnya. Kualitas peramalan ditentukan menggunakan Mean Absolute Deviation (MAD), dengan meghitung rata-rata selisih output dengan nilai nyata. Pada penelitian ini didapati nilai Silhouette pengelompokan yang terbaik didapat dari Vektor Fitur yang panjangnya 16 dan banyak kelompoknya 12, sebesar 0.0349. Kemudian nilai rata-rata MAD dari semua kelompok adalah 5.5 dan 4.5 untuk proses pelatihan dan ujicoba, hasil ini lebih baik daripada penelitian sebelumnya yang hanya menggunakan Bacpropagaiton saja untuk peramalan penjualan.]]>
<![CDATA[Integrasi Self Organizing Maps Dan Backpropagation Pada Model Prediksi Penjualan ]]>
<![CDATA[Moh. Danang Nawawi]]>;
<![CDATA[Daniel Swanjaya]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 5 No. 3 (2021): Seminar Nasional Inovasi Teknologi 2021 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v5i3.1094
<![CDATA[Beragam metode pembelajaran untuk jaringan saraf tiruan juga terus dikembangkan, seperti delta learning rule, kohonen self-organizing maps, dan back-propagation. Penerapan metode backpropagation telah banyak dilakukan oleh para peneliti tetapi kualitas peramalan yang didapat belum memuaskan. Penelitian ini bertujuan untuk mengintegrasikan metode Self Organizing Maps (SOM) dan Backpropagation, untuk mendapatkan kualitas peramalan yang lebih baik. Dataset yang digunakan adalah data penjualan kopi sachet per bulan dari PT. Kapal Api. Data penjualan dinormalisasi, kemudian dibentuk menjadi Vektor Fitur dengan panjang tertentu, kemudian dikelompokan menggunakan SOM. Tiap kelompok hasil dari SOM diolah menggunakan Backpropagation sehingga didapat Jaringan yang telah siap digunakan. Jaringan Backpropagation digunakan untuk mendapatkan output, kemudian output tersebut didenormalisasi untuk mendapatkan nilai aktual. Nilai aktual dan nilai nyata dibandingkan untuk pendapatkan nilai Mean Absolute Precentage Error (MAPE). Hasil dari penelitian ini menunjukan bahwa tingkat heterogenitas data sangat berpengaruh terhadap kuallitas pengelompokan dan peramalan yang didapat. Pada penelitian ini nilai MAPE yang diperoleh dari proses peramalan yang mengintegrasikan SOM dan Backpropagation lebih baik dari pada proses peramalan yang hanya menggunakan Backpropagation saja.]]>
<![CDATA[Pemodelan Deteksi Dan Identifikasi Multiple Barcode ]]>
<![CDATA[M Taufiq Maulana Fahmi]]>;
<![CDATA[Daniel Swanjaya]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 5 No. 3 (2021): Seminar Nasional Inovasi Teknologi 2021 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v5i3.1097
<![CDATA[Membludaknya pasar online selama pandemi ini, membuat beberapa jasa pengiriman mengalami overload pengiriman. Ini mengakibatkan terlambatnya paket datang kepada customer. Dalam pengiriman, perpindahan paket akan di scan sesuai dengan barcode yang menempel pada paket. Langkah tersebut akan sangat lama bila di lakukan satu persatu, maka jika langkah tersebut bisa dilakukan secara bersamaan akan sangat menghemat waktu dalam pengiriman. Langkah tersebut bisa dilakukan menggunaka sebuah library pada python yang bernama ZBar. Nantinya library ini akan bisa memindai banyak barcode dalam satu langkah scan. Sehingga akan menghemat waktu yang dibutuhkan saat pengiriman.]]>
<![CDATA[Perbandingan Antara Metode Decision Tree Dan Support Vector Machine Pada Model Rekomendasi Mobil Bekas ]]>
<![CDATA[Ali Maksum]]>;
<![CDATA[Daniel Swanjaya]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 5 No. 3 (2021): Seminar Nasional Inovasi Teknologi 2021 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v5i3.1098
<![CDATA[Perkembangan usaha di bidang penjualan mobil bekas sangat pesat sehingga banyak konsumen memandang dari pengaruh product quality terhadap brand loyality melalui kepuasan konsumen sebagai variabel mediasi. Kepuasan konsumen mempengaruhi terhadap signifan brand loyality dan sebagai variabel mediasi dari product quality terhadap brand quality. Peneliti mencoba membuat perbandingan antara metode decission tree dan support vector machine untuk membandingkan akurasi yang lebih baik, hasil dari penelitian ini perbandingan dari Decission Tree dan Support Vector Machine dari data Training decission tree sebesar 2,5 % dan Support Vector Machine sebesar 9,1 % , untuk data testing dari Decission Tree sebesar 6,2 % dan Support Vector Machine sebesar 2,2 %. Bisa disimpulkan bahwa pada metode Decission Tree akurasinya lebih baik daripada metode Support Vector Machine.]]>
<![CDATA[Perbandingan Antara Metode Holt-Winters Dan Backpropagation Pada Model Peramalan Penjualan ]]>
<![CDATA[Bagas Wahyu Nur Tantyo]]>;
<![CDATA[Daniel Swanjaya]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 5 No. 3 (2021): Seminar Nasional Inovasi Teknologi 2021 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v5i3.1099
<![CDATA[Peramalan (forecasting) merupakan metode untuk melihat potensi atau memprediksi sesuatu di masa depan dengan menggunakan data dari masa lampau. Penelitian dilakukan pada toko Anabul Petshop, penelitian digunakan untuk mengatasi masalah stok pejualan yang digunakan untuk meminimalisir kerugian dan memingkatkan penjualan pada toko. Penelitian menggunakan model peramalan algoritma Holt-Winter dan Backpropagation. Dengan menggunakan 2 metode diharapkan prediksi stok barang pada toko nantinya menjadi akurat, metode ini juga dibandingkan untuk mengetahui seberapa efektif metode tersebut pada kasus ini. Dalam membandingkan metode tersebut membutuhkan pengujian perhitungan yaitu MAD yang digunakan untuk menghitung rata-rata kesalahan yang mutlak, Untuk hasil akhir nanti akan terlihat metode mana yang memiliki tingkat error paling sedikit. Dan didapatkan bahwa metode Backpropagation memiliki tingkat eror yang paling sedikit.]]>
<![CDATA[Rancang Bangun Alat Konduktivitas Thermal Logam ]]>
<![CDATA[Branda Sakti Ardana]]>;
<![CDATA[Ali Akbar]]>;
<![CDATA[Yasinta Sindy Pramesti]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 5 No. 3 (2021): Seminar Nasional Inovasi Teknologi 2021 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v5i3.1100
<![CDATA[Konduktifitas thermal merupakan suatu sifat material yang menunjukkan kemampuannya untuk menghantarkan panas. Proses penghantaran panas terjadi melalui media logam yang diukur konduktivitasnya. Karakteristik material yang berhubungan dengan panas sangat menentukan jumlah panas yang dihasilkan. Untuk dapat mengukur nilai konduktivitas panas, diperlukan alat pengukuran dan disini akan dibuat perakitan rancang bangun alat uji konduktivitas thermal logam model pararel didapat hasil nilai konduktivitasnya yaitu, dapat dilihat untuk suhu awal menit 0 didapat sebesar (32ºC) untuk sensor 1, sensor 2 (32ºC) , sensor 3 (32ºC), sensor 4 (33ºC) dan dilanjutkan pengujian sampai menit ke 27 didapat hasil sebesar (316ºC) untuk sensor 1, sensor 2 (63ºC), sensor 3 (238ºC), sensor 4 (85ºC) dari pembahasan tersebut alat efektif untuk pengembangan penelitian dan lingkungan kerja atau laboratorium yang baik dan efektif terdiri dari Termocouple, temperature Sensor, elemen pemanas, besi beton.]]>
<![CDATA[Analisis Rangka Jayabaya Prototype 2.0 Menggunakan Aluminium Tipe AA356 ]]>
<![CDATA[Daniel Wibawa]]>;
<![CDATA[Ali Akbar]]>;
<![CDATA[Yasinta Pramesti]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 5 No. 3 (2021): Seminar Nasional Inovasi Teknologi 2021 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v5i3.1101
<![CDATA[Peningkatan desain rangka kendaraan KMHE Jayabaya prototype 1.0 menjadi salah satu faktor hal yang selalu menjadi bahan perencanaan untuk mendapatkan hasil yang lebih sempurna. Kendaraan Prototype dengan harapan bisa mengenali kelebihan dan kekurangan pada rangka dari prototype yang dikaji sehingga bisa dijadikan bahan referensi dalam perencanaan kendaraan Prototype. Kontruksi.rangka harus mampu untuk menahan semua beban dari kendaran mulai dari sistem kemudi, sistem suspensi, sistem rem dan kelengkapan lainnya.Salah satu aspek yang menjadi banyak perhatian adalah rangka kendaraan tersebut. Semakin ringan dan kuat bahan dapat mengurangi konsumsi bahan bakar sehingga stabilitas kendaraan tetap aman dalam kondisi beban ,pengereman, dan berbagai kecepatan Saat ini penelitian untuk rangka kedaraan kmhe Jayabaya prototype 1.0 lebih berat, kurang efesien dan kurang ramah lingkungan. Rangka yang berbentuk logam, umumnya logam yang digunakan bisa berbentuk aluminium paduan dengan struktur Rangka yang bisa berbentuk ladder structure .Desain rangka menggunakan Almunium tipe AA356 lebih ringan dibandingkan dengan T6 yang dimiliki Jayabaya prototype. Dari hasil simulasi yang telah dilakukan di dapatkan pertimbangan sebagai alasan bahwa desain rangka Jayabaya prototype 2.0 lebih ringan namun tetap aman bagi pengendara. Berdasarkan analisa simulasi Solidwoks 2014 rangka Jayabaya prototype 2.0, pengujian stress pada mampu menopang beban dengan berat hingga 5,8896x107 N/m2, hasil strain maksimum 3676x104,dan displacement maksimum 5161 mm. Nilai ini dikategorikan nilai yang besar karena rangka kendaraan masih kuat menopang beban besar.]]>
<![CDATA[Rancangan Bangun Alat Pengupas Bawang Merah yang Efektif dan Efisien ]]>
<![CDATA[Desta Hendra Nurcahya]]>;
<![CDATA[Ali Akbar]]>;
<![CDATA[Yasinta Pramesti]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 5 No. 3 (2021): Seminar Nasional Inovasi Teknologi 2021 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v5i3.1102
<![CDATA[Bawang merah merupakan salah satu komoditas pertanian yang banyak ditanam di indonesia. Sejak tahun 2017 hasil panen bawang merah di indonesia terus mengalami peningkatan. Oleh karena itu akibat peningkatan hasil panen bawang merah para pelaku usaha mulai berfikir untuk membuat olahan dari bawang merah salah satunya bawang goreng. Dalam pengolahan bawang goreng terdapat beberapa kendala salah satunya pada Proses pengupasannya karena masih menggunakan cara yang manual karena memerlukan waktu yang cukup lama dan memerlukan banyak tenaga manusia. Selain itu dari tingkat keamanan dinilai kurang aman dan juga dapat menimbulkan mata perih, penelitian ini bertujuan untuk mengetahui hasil pengupasan terbaik terhadap kecepatan putaran dinamo pada rpm 300, 400, 500. Dari hasil uji coba alat sebanyak tiga kali didapatkan hasil pengupasan pada rpm 300 dan dengan waktu 20 detik hasil terkupas sekitar 50% sedangkan sebagian belum terkupas, uji coba kedua pada rpm 400 dengan waktu 20 detik memperoleh hasil bawang terkupas sekitar 80% sedangkan 20% terkupas tetapi belum maksimal, uji coba ketiga dengan rpm 500 dengan waktu 20 detik memperoleh hasil bawang terkupas sampai ke dagingnya. Dari uji coba yang dilakukan sebanyak tiga kali maka didapatkan hasil kupasan terbaik pada rpm 400 dan dengan waktu 20 detik.]]>
