Article Per Year (5 Year)
p-Index From 2021 - 2026
1.945
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Journal of Applied Information, Communication and Technology (JAICT) Techne : Jurnal Ilmiah Elektroteknika Seminar Nasional Hasil Riset dan Pengabdian (SNHRP) Journal Of World Science Archive: Jurnal Pengabdian Kepada Masyarakat Jurnal Teknik dan Science (JTS) Electrician : Jurnal Rekayasa dan Teknologi Elektro
Andi Kurniawan
Teknik Elektro, Universitas Semarang
Religion Agriculture, Biological Sciences & Forestry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Public Health Social Sciences Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
Klasifikasi Jenis Penyakit Tumor Otak Menggunakan Convolutional Neural Network Arsitektur Inception-V3 Hendra Ady Juliartadi; Andi Kurniawan Nugroho; Sri Heranurweni; Titik Nurhayati
Electrician : Jurnal Rekayasa dan Teknologi Elektro Vol. 19 No. 3 (2025)
Publisher : Department of Electrical Engineering, Faculty of Engineering, Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/elc.v19n3.2868

Abstract

Tumor otak merupakan salah satu penyakit yang paling mengancam nyawa dan memerlukan diagnosis yang akurat. Salah satu tantangan utama dalam mendiagnosis tumor otak terletak pada kesamaan visual antara jenis tumor pada gambar MRI, yang seringkali menyulitkan klasifikasi manual. Untuk mengatasi hal ini, sistem klasifikasi berbasis deep learning dikembangkan menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur Inception-V3. Data yang digunakan diperoleh dari Kaggle dan terdiri dari empat kelas glioma, meningioma, pituitari, dan notumor. Penelitian ini menerapkan teknik pre-procesing seperti Contrast Limited Adaptive Histogram Equalization (CLAHE) dan augmentasi data untuk meningkatkan kinerja model. Berbagai kombinasi hyperparameters diuji, dan kinerja terbaik dicapai dengan batch size 32 dan learning rate 0,0001. Model mencapai accuracy 97,92%, precision 98%, recall 98%, dan F1-score 98%. Selain itu, arsitektur Inception-V3 dibandingkan dengan arsitektur lain yaitu MobileNetV2 dan ResNet50, yang mencapai accuracy 83,67% dan 71,79%. Hasil menunjukkan bahwa arsitektur Inception-V3 unggul dalam mengklasifikasikan jenis tumor otak dari gambar MRI. Penelitian ini diharapkan dapat berkontribusi dalam meningkatkan akurasi dan kecepatan diagnosis tumor otak bagi medis.
Implementasi Teknologi Penggilingan Padi Portabel Berbasis IoT untuk Meningkatkan Efisiensi Pasca Panen di Desa Tamangede Mudjiastuti Handajani; Andi Kurniawan Nugroho; Muhammad Ikhsan Setiawan
Archive: Jurnal Pengabdian Kepada Masyarakat Vol. 5 No. 2 (2026): Juni 2026
Publisher : Asosiasi Pengelola Publikasi Ilmiah Perguruan Tinggi PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55506/arch.v5i2.265

Abstract

Latar Belakang: Petani padi di Desa Tamangede menghadapi permasalahan efisiensi rendah dalam pengolahan pasca panen akibat ketergantungan pada penggilingan konvensional yang menimbulkan biaya tinggi dan losses mencapai 15-20%. Tujuan: mengimplementasikan teknologi Triple Function Electrical Portable Mini Rice Milling (TFEPMRM) berbasis IoT untuk meningkatkan efisiensi pengolahan gabah dan pendapatan petani. Metode: Pengabdian dilakukan melalui pendekatan partisipatif dengan transfer teknologi, pendampingan pembuatan mesin, pelatihan operasional, dan monitoring berbasis IoT pada kelompok tani selama periode Januari hingga Oktober 2025. Hasil: Implementasi menghasilkan peningkatan efisiensi dengan kapasitas 80 kg/6 menit, efisiensi dehusking 95%, milling recovery 83.6-87.4%, pengurangan biaya operasional 84.2%, dan potensi peningkatan pendapatan petani mencapai Rp 5.427.500 per tahun per hektar. Kesimpulan: Teknologi TFEPMRM efektif meningkatkan efisiensi pengolahan padi dan berpotensi meningkatkan pendapatan petani melalui pengurangan losses dan biaya operasional.
Co-Authors Ari Endang Jayati Bayu Wahyudi Dahlan Gunawan Darren Karl Griffin Deby Susanti Pada Vinski Pada Vinski Deby Susanti Pada Vinski Vinski Deby Susanti Vinski Dollar Dollar Eko Supriyanto Generousdi - Hanny Nurrani Hardjo, Marhaen Hendra Ady Juliartadi Hidayatulloh Patmin Jaime Rodriguez Quintosa M. Subchan Mauludin M. Subchan Mauludin Mudjiastuti Handajani Muhammad Ikhsan Setiawan Natasha Cinta Vinski Natasha Cinta Vinski Natasha Cinta Vinski Puri Muliandhi Ramadhani Ariya Saputra Sri Heranurweni Stefanus Christyan Aditama Sunaryo Kusumo Svetlana Trofimova Titik Nurhayati