Article Per Year (5 Year)
p-Index From 2021 - 2026
0.702
P-Index
This Author published in this journals
All Journal Jurnal Masyarakat Merdeka (JMM) Prosidia Widya Saintek JITEEHA: Journal of Information Technology Applications in Education, Economy, Health and Agriculture
Rangga Pahlevi Putra
Universitas Widya Gama Malang
Agriculture, Biological Sciences & Forestry Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mechanical Engineering Social Sciences Transportation Other

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Pemanfaatan Kecerdasan Buatan Untuk Mendukung Pengembangan Bahan Pembelajaran Pada SMK Widyagama Malang Istiadi Istiadi; Fitri Marisa; Syahroni Wahyu Iriananda; Rangga Pahlevi Putra
JMM - Jurnal Masyarakat Merdeka Vol. 9 No. 1 (2026): MEI
Publisher : Universitas Merdeka Pasuruan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51213/jmm.v9i1.217

Abstract

Program pengabdian kepada masyarakat ini bertujuan meningkatkan kompetensi guru SMK Widyagama Malang dalam memanfaatkan kecerdasan buatan, khususnya Generative AI (GenAI), untuk pengembangan bahan ajar vokasional. Metode yang digunakan adalah pendekatan partisipatif melalui observasi, wawancara, workshop interaktif, dan pendampingan selama 2–3 minggu. Pelatihan mencakup penggunaan tools seperti ChatGPT, Canva AI, Diffit, dan MagicSchool. Hasil menunjukkan tingkat kepuasan peserta sebesar 86% serta peningkatan pemahaman dan keterampilan guru dalam mengintegrasikan GenAI ke dalam pembelajaran. Secara keseluruhan, program ini efektif dalam mendorong peningkatan kompetensi digital guru, meskipun diperlukan durasi pelatihan yang lebih panjang untuk hasil yang optimal.
DETEKSI CITRA SALIVA FERNING UNTUK MASA SUBUR MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK Alfrida Demetria Luruk; Rangga Pahlevi Putra; Gigih Priyandoko
Prosidia Widya Saintek Vol. 5 No. 1 (2026)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Ovulasi merupakan fase penting dalam siklus menstruasi yang menandai masa subur seorang wanita. Identifikasi masa subur umumnya dilakukan melalui metode kalender, pengujian hormon, maupun pemeriksaan lendir serviks. Namun, metode tersebut memiliki keterbatasan dalam hal akurasi, biaya, serta kenyamanan pengguna. Penelitian ini mengusulkan pengembangan sistem deteksi masa subur berbasis citra saliva ferning menggunakan Convolutional Neural Network (CNN). Data citra saliva dikumpulkan dari 10 wanita berusia 18–35 tahun dengan total 90 sampel, terdiri dari tiga kategori: infertile, intermediate, dan fertile. Setiap citra diproses melalui tahapan cropping, grayscale, dan augmentasi untuk meningkatkan kualitas serta variasi data. Arsitektur CNN dibangun menggunakan tiga lapisan konvolusi dan max-pooling, serta dioptimasi dengan Adam optimizer (learning rate = 0.001). Proses pelatihan dilakukan dengan batch size 60 dan 20 epoch menggunakan Google Colaboratory. Hasil pengujian menunjukkan bahwa model CNN mampu mengklasifikasikan pola ferning saliva dengan akurasi yang tinggi, serta menghasilkan confusion matrix yang konsisten pada tiap kelas. Penelitian ini menunjukkan bahwa metode CNN memiliki potensi tinggi sebagai pendekatan non-invasif dan efisien untuk mendeteksi masa subur wanita berdasarkan citra saliva.
Implementation of The Analytical Hierarchy Process (AHP) Algorithm to Support Decision Making For Determining Superior Orange Comodities Orange in Selorejo Village Yuni Agung Nugroho; Hanifatus Sahro; Rangga Pahlevi Putra; Hasbibullah
Journal of Information Technology application in Education, Economy, Health and Agriculture Vol. 3 No. 2 (2026): Vol. 3 No. 2 (2026): June
Publisher : Lumina Infinity Academy Foundation

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

This study aims to explore the selection of orange varieties as the primary crop for farmers in Selorejo Village, Sengkaling, Malang Regency. Oranges have high economic value and are important for meeting the community’s nutritional needs; however, selecting the right variety must take into account factors such as cultivation expertise, environmental influences, and income potential.The research question posed is: “Which orange variety is most suitable to be the primary crop in Selorejo Village?” The study employs the Analytical Hierarchy Process (AHP), enabling a systematic analysis of criteria and alternatives. The research findings are expected to provide new insights into the selection of optimal orange varieties and to integrate environmental and economic factors that are often overlooked. Data analysis using AHP includes initial data collection, applying AHP to define criteria and alternatives, determining the priority of criteria and alternatives, and ensuring consistency in the analysis. Focusing on Selorejo Village, this study aims to make a tangible contribution to strategies for more sustainable orange cultivation and to improve farmers’ welfare. The results of the study indicate that income criteria are the primary factor in selecting orange varieties for farming in Selorejo Village, followed by cultivation practices and environmental influences, while the main orange varieties chosen are siem oranges, followed by mandarin oranges and sweet oranges.
KLASIFIKASI CITRA TIGA VARIETAS APEL MALANG MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK Djourdi Amrida Pratama; Aviv Yuniar Rahman; Rangga Pahlevi Putra
Prosidia Widya Saintek Vol. 5 No. 2 (2026)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kemiripan warna kulit, bentuk, dan tekstur permukaan antarvarietas apel Malang dapat menyebabkan proses identifikasi visual menjadi kurang konsisten. Penelitian ini bertujuan merancang dan mengevaluasi model Convolutional Neural Network (CNN) untuk mengklasifikasikan citra varietas Wanglin, Manalagi, dan Anna. Dataset primer terdiri atas 1.939 citra yang dibagi secara terstratifikasi dengan rasio 70:15:15 menjadi 1.357 citra latih, 291 citra validasi, dan 291 citra uji. Seluruh citra diubah ukurannya menjadi 224 × 224 piksel dan dinormalisasi, sedangkan augmentasi dan class weight diterapkan selama pelatihan. Arsitektur CNN yang sama dilatih dari awal menggunakan Adam, SGD, dan RMSprop. RMSprop dipilih sebagai konfigurasi utama karena mencapai akurasi validasi terbaik pada epoch ke-16, lebih awal dibandingkan SGD pada epoch ke-29. Pada data pengujian, model RMSprop menghasilkan akurasi 94,50%, balanced accuracy 94,65%, dan macro F1-score 94,65%. F1-score setiap kelas mencapai 93,49% untuk Wanglin, 95,51% untuk Manalagi, dan 94,94% untuk Anna. Hasil tersebut menunjukkan bahwa model CNN mampu mengklasifikasikan ketiga varietas apel Malang dengan kinerja yang relatif seimbang dalam lingkup dataset penelitian.
Co-Authors Alfrida Demetria Luruk Aviv Yuniar Rahman Djourdi Amrida Pratama Fitri Marisa Hanifatus Sahro Hasbibullah Istiadi Istiadi Priyandoko Gigih Syahroni Wahyu Iriananda Yuni Agung Nugroho