Claim Missing Document
Check
Articles

Found 22 Documents
Search

Model Kolaborasi Partisipatif KKN dalam Meningkatkan Akses Kesehatan dan Literasi Gizi Kurniaji, Kalfajrin; Lestari, Fitrina; Firmanto, Arief; Halima Putri, Nur Viska; Annisa, Putri
Jurnal Pengabdian West Science Vol 5 No 02 (2026): Jurnal Pengabdian West Science
Publisher : Westscience Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58812/jpws.v5i02.3255

Abstract

Desa Cicareuh menghadapi keterbatasan akses terhadap fasilitas kesehatan terpadu karena lokasinya yang terpencil secara geografis. Kondisi ini berdampak pada rendahnya cakupan pemeriksaan kesehatan rutin, khususnya di kalangan lansia, dan tingginya risiko stunting akibat kurangnya literasi gizi di kalangan ibu dengan balita dan ibu hamil. Program pengabdian masyarakat ini bertujuan untuk menggambarkan model kolaborasi partisipatif antara tim Pengabdian Masyarakat dalam memperkuat akses kesehatan dan literasi gizi melalui dua inisiatif unggulan: bantuan dalam pemeriksaan kesehatan gratis untuk lansia dan pendidikan pencegahan stunting. Pendekatan yang digunakan adalah Penelitian Aksi Partisipatif, yang menekankan keterlibatan aktif masyarakat di semua tahapan, mulai dari identifikasi masalah, perencanaan, implementasi, hingga evaluasi program. Kegiatan dilaksanakan pada Juli 2025, melibatkan 50 peserta lansia dalam pemeriksaan kesehatan dan 30 peserta dalam sesi pendidikan stunting, yang terdiri dari ibu dengan balita, ibu hamil, kader posyandu, dan remaja putri. Hasil menunjukkan bahwa 20% lansia sebelumnya memiliki kadar glukosa darah tinggi yang tidak terdiagnosis, sementara hanya 30% peserta lansia yang memiliki asuransi kesehatan BPJS aktif. Dalam program pendidikan stunting, terdapat peningkatan pemahaman peserta yang signifikan. Partisipasi aktif kader posyandu dan bidan desa sebagai mitra lokal merupakan faktor kunci dalam membangun kepemilikan komunitas terhadap program tersebut. Kolaborasi partisipatif ini terbukti efektif tidak hanya dalam meningkatkan kesadaran dan memungkinkan deteksi dini penyakit, tetapi juga dalam memperkuat kapasitas kelembagaan lokal untuk memastikan keberlanjutan program. Model ini merekomendasikan penguatan sinergi antara universitas, pemerintah desa, dan masyarakat setempat sebagai strategi kontekstual dan berkelanjutan untuk pemberdayaan kesehatan masyarakat.
KLASIFIKASI GAYA DESAIN POSTER MENGGUNAKAN EFFICIENTNETB0 BERBASIS TRANSFER LEARNING DAN FINE-TUNING Annisa, Putri; Ritonga, Rama Prameswara; Yasir, Amru; Prayoga, J
Djtechno: Jurnal Teknologi Informasi Vol 7, No 1 (2026): April
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v7i1.8605

Abstract

AbstrakPenelitian ini bertujuan mengklasifikasikan gaya desain poster menggunakan arsitektur EfficientNetB0. Pendekatan ini dilakukan untuk mengatasi subjektivitas dalam identifikasi manual gaya visual melalui pemanfaatan teknologi deep learning. Metode penelitian yang diterapkan berbasis transfer learning, yang mencakup tahap pelatihan awal dan dilanjutkan dengan proses fine-tuning untuk mengoptimalkan pengenalan fitur visual. Data penelitian yang diambil kemudian diolah menggunakan Google Colaboratory. Hasil eksperimen menunjukkan bahwa penerapan fine-tuning berhasil meningkatkan performa model secara signifikan hingga mencapai tingkat akurasi sebesar 84%. Berdasarkan hasil confusion matrix, model terbukti mampu membedakan karakteristik antar gaya desain secara stabil dan konsisten. Simpulan dari penelitian ini adalah penggunaan model EfficientNetB0 dengan strategi fine-tuning sangat efektif dalam melakukan klasifikasi citra poster dengan akurasi yang tinggi. Hasil ini diharapkan dapat mempermudah pengarsipan dan manajemen aset visual digital secara otomatis.Kata Kunci: EfficientNetB0, Gaya Desain Poster, Transfer Learning, Fine-Tuning, Klasifikasi Citra.AbstractThis research aims to classify poster design styles using the EfficientNetB0 architecture. This approach is undertaken to mitigate subjectivity in the manual identification of visual styles by leveraging deep learning technology. The research methodology is based on transfer learning, encompassing an initial training phase followed by a fine-tuning process to optimize visual feature recognition. The collected research data were processed using Google Colaboratory. Experimental results demonstrate that the application of fine-tuning significantly improved model performance, achieving an accuracy rate of 84%. Based on the confusion matrix analysis, the model proved capable of distinguishing characteristics between design styles with stability and consistency. This study concludes that the EfficientNetB0 model, combined with a fine-tuning strategy, is highly effective for poster image classification with high accuracy. These findings are expected to facilitate automated archiving and digital visual asset management.Keywords: EfficientNetB0, Poster Design Style, Transfer Learning, Fine-Tuning, Image Classification.