Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Journal of Golden Generation Engineering
Dede Brahma Arianto
Universitas Faletehan
Aerospace Engineering Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Transportation

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
KLASIFIKASI PENYAKIT KANKER PAYUDARA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) Rosi Susanti; Dede Brahma Arianto
Journal of Golden Generation Engineering Vol. 2 No. 2 (2026): In Progress 2026 : Journal of Golden Generation Engineering
Publisher : PT. Lembaga Penerbit Penelitian Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65244/jggengineering.v2i2.786

Abstract

Kanker payudara dapat menurunkan kualitas hidup sehingga diperlukan skrining yang cepat dan konsisten. Penelitian ini mengembangkan sistem klasifikasi kanker payudara berbasis Convolutional Neural Network (CNN) yang diimplementasikan pada aplikasi skrining berbasis web. Dataset disusun ke dalam data latih, validasi, dan uji, kemudian citra diproses melalui penyesuaian ukuran 224×224, normalisasi, serta augmentasi pada data latih. Model dibangun menggunakan arsitektur MobileNetV3 Small dengan keluaran tiga kelas, yaitu Normal, Benign, dan Malignant. Sistem juga menerapkan validasi input untuk memastikan prediksi hanya dilakukan pada citra jaringan payudara sebelum proses inferensi. Hasil pengujian pada 300 data uji menunjukkan akurasi sebesar 88,00% dengan performa per kelas yang bervariasi, di mana kesalahan klasifikasi masih terjadi pada kelas-kelas yang memiliki kemiripan ciri visual. Hasil ini menunjukkan CNN efektif untuk mendukung skrining awal kanker payudara dan dapat ditingkatkan melalui penambahan data serta optimasi pelatihan pada penelitian selanjutnya
Sistem Pendeteksian Jenis Kulit Wajah dan Rekomendasi Skincare Berbasis Android Menggunakan Convolutional Neural Network (CNN) Nurfalah Nurfalah; Dede Brahma Arianto
Journal of Golden Generation Engineering Vol. 2 No. 2 (2026): In Progress 2026 : Journal of Golden Generation Engineering
Publisher : PT. Lembaga Penerbit Penelitian Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65244/jggengineering.v2i2.839

Abstract

Penelitian ini bertujuan untuk mengimplementasikan metode Convolutional Neural Network (CNN) dalam pendeteksian jenis kulit wajah dan rekomendasi skincare berbasis Android. Sistem mengklasifikasikan jenis kulit menjadi normal, kering, berminyak, berjerawat, dan sensitif menggunakan 750 citra wajah yang telah diberi label. Model dilatih dengan 50 epoch, ukuran citra 224×224 piksel, dan optimizer Adam. Hasil pelatihan menunjukkan bahwa akurasi meningkat seiring bertambahnya epoch, sementara nilai loss menurun. Evaluasi pada data uji menghasilkan akurasi sebesar 99% dengan loss 3,73%, yang menunjukkan performa model yang sangat baik. Sistem mampu mengklasifikasikan jenis kulit secara akurat serta memberikan rekomendasi skincare yang disesuaikan dengan kondisi kulit pengguna. Implementasi dalam aplikasi Android memudahkan pengguna dalam melakukan deteksi secara langsung melalui kamera smartphone, sehingga membantu dalam memilih produk perawatan yang tepat.
Analisis Risiko Penyebaran Penyakit Demam Berdarah Menggunakan Algoritma Naive Bayes Nisa Cherani Sutansi; Dede Brahma Arianto
Journal of Golden Generation Engineering Vol. 2 No. 2 (2026): In Progress 2026 : Journal of Golden Generation Engineering
Publisher : PT. Lembaga Penerbit Penelitian Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65244/jggengineering.v2i2.935

Abstract

Demam Berdarah Dengue (DBD) merupakan salah satu penyakit menular yang masih menjadi permasalahan kesehatan masyarakat di Indonesia dan berbagai negara tropis. Penyakit ini disebabkan oleh virus dengue yang ditularkan melalui gigitan nyamuk Aedes aegypti. Tingginya jumlah kasus serta potensi terjadinya kejadian luar biasa (KLB) menunjukkan bahwa diperlukan metode analisis yang mampu mengidentifikasi pola risiko penyebaran penyakit secara sistematis dan akurat. Seiring berkembangnya teknologi informasi, pendekatan berbasis Machine Learning mulai dimanfaatkan dalam bidang kesehatan, khususnya dalam analisis data epidemiologi. Machine Learning memungkinkan sistem komputer untuk mempelajari pola dari data historis dan menghasilkan prediksi yang dapat digunakan sebagai dasar pengambilan keputusan. Salah satu algoritma yang sering digunakan adalah Naive Bayes yang bekerja berdasarkan teori probabilitas Bayes dengan asumsi bahwa setiap variabel bersifat independen. Dalam penelitian ini digunakan algoritma Naive Bayes untuk menganalisis risiko penyebaran penyakit Demam Berdarah berdasarkan beberapa faktor yang mempengaruhi, seperti kondisi lingkungan, kepadatan penduduk, serta data historis kasus penyakit. Metode ini diharapkan mampu menghasilkan model klasifikasi yang dapat membantu dalam proses pengambilan keputusan terkait pencegahan dan pengendalian penyakit DBD.
Co-Authors Nisa Cherani Sutansi Nurfalah Nurfalah Rosi Susanti