Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Inovasi Hasil Pengabdian Masyarakat (JIPEMAS) Jurnal INFOTEL
Al-Filambany, Muhammad Gibran
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Pemanfaatan aplikasi daring untuk peningkatan pemasaran songket dan purun perajin Burai Maiyanti, Sri Indra; Desiani, Anita; Yahdin, Sugandi; Erwin, Erwin; Rodiah, Desty; Rachmatullah, Muhammad Naufal; Geovanni, Dite; Shidqi, Muhammad Akmal; Al-Filambany, Muhammad Gibran
Jurnal Inovasi Hasil Pengabdian Masyarakat (JIPEMAS) Vol 5 No 2 (2022)
Publisher : University of Islam Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33474/jipemas.v5i2.14356

Abstract

Desa Burai merupakan salah satu desa yang terletak di Provinsi Sumatera Selatan. Masyarakat Desa Burai mayoritas memiliki mata pencaharian sebagai pengrajin songket dan pengrajin anyaman purun. Usaha rumah tangga ini mengalami kendala pada masalah pemasaran yang terbatas. Kegiatan pelatihan dan penyuluhan aplikasi daring seperti WhatsApp Business dan marketplace dapat menjadi alternatif dalam meningkatkan hasil kerajinan songket dan purun. Selama ini pemasaran yang dilakukan oleh pengrajin songket dan kerajinan anyaman purun masih dengan cara manual tanpa bantuan aplikasi daring. Tim memberdayaan penggunaan apliaksi daring yaitu media sosial WhatsApp Business dan marketplace Shopee bagi para perajin songket dan anyaman purun. Kegiatan pendampingan dilakukan dengan cara memberikan penyuluhan berupa paparan meteri dan pelatihan. Untuk mengukur keberhasilan kegiatan dilakukan pre-test sebelum kegiatan pendampingan dimulai da post-test setelah kegiatan dilaksanakan. Dari uji yang dilakukan menunjukkan adanya perubahan yang signifikan dari peserta pada saat sebelum diberikan pendampingan dan setelah dilakukan pendampingan. Dari hasil pre-test dan post-test menunjukan adanya peningkatan lebih dari 20% setelah dilakukannya kegiatan. Hal menyimpulkan bahawa para perajin telah mampu menggunakan aplikasi daring untuk memasarkan produk mereka secara lebih luas.
Pembelajaran Ensemble Voting Tertimbang dari Arsitektur CNN untuk Klasifikasi Retinopati Diabetik Desiani, Anita; Primartha, Rifkie; Hanum, Herlina; Dewi, Siti Rusdiana Puspa; Suprihatin, Bambang; Al-Filambany, Muhammad Gibran; Suedarmin, Muhammad
JURNAL INFOTEL Vol 16 No 1 (2024): February 2024
Publisher : LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/infotel.v16i1.999

Abstract

Diabetic Retinopathy (DR) is a diabetes disease that attacks the retina of the eye and can be recognized through retinal images. The process of assisting retinal images can be done by applying deep learning-based methods, one of which is the Convolutional Neural Network (CNN). CNN has many architectures that can perform image classification processes, namely ResNet-50, MobileNet, and EfficientNet. Weaknesses of each architecture can be overcome through ensemble learning methods that can add up the performance results of each classification method. The study applies the ensemble learning method to improve the performance of the ResNet-50, MobileNet, and EfficientNet architectures in paying for DR disease on the retina by weighted voting. The data used are the APTOS and EyePACS datasets. The method in this research is data collection, training, testing, and evaluation of each architecture and ensemble learning. The results of the superior ensemble learning performance in the value of accuracy, F1-Score, and Cohens Kappa were obtained respectively 93.3%, 93.42%, and 0.866. The best specificity value was obtained by Resnet-50 at 99.78% and the highest sensitivity value was obtained by EfficientNet at 96.2%. Based on the classification results of each architectural and ensemble learning, it can be interpreted that the proposed ensemble learning method is excellent to perform image classification for Diabetic Retinopathy.
Co-Authors Anita Desiani Bambang Suprihatin Desty Rodiah Erwin Erwin Geovanni, Dite Herlina Hanum, Herlina Muhammad Naufal Rachmatullah Nugrohoputri, Rifa Fadhila Rifkie Primartha Shidqi, Muhammad Akmal Siti Rusdiana Puspa Dewi Sri Indra Maiyanti Suedarmin, Muhammad Sugandi Yahdin Susanto Susanto Wahyudi, Yogi