Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Info Abdi Cendekia Prosiding Seminar Nasional Unimus Advance Sustainable Science, Engineering and Technology (ASSET)
Elan Suherlan
Unknown Affiliation
Religion Humanities Chemistry Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Library & Information Science Nursing Public Health Social Sciences

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

Found 4 Documents
Search

 1 
Pengamanan Penggunaan Komputer pada Anak dan Remaja Elan Suherlan; Heri Yugaswara; Ummi Azizah Rahmawati
Info Abdi Cendekia Vol 2 No 2: Desember 2019
Publisher : Lembaga Penelitian Universitas YARSI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (384.05 KB) | DOI: 10.33476/iac.v2i2.16

Abstract

Kepedulian orang tua terhadap penggunaan komputer oleh anak anak dan remaja perlu mendapat perhatianserius, kami telah melakukan pelatihan terkait Pengamanan Penggunaan Komputer bagi para orang tua diwilayah RW 02 Cempaka Putih Timur Kec. Cempaka Putih Jakarta Pusat. Pelatihan dilaksanakan diLaboratorium MDI Fakultas Teknologi Informasi Universitas YARSI pada 15 Januari 2018. Dalampelaksanaan pelatihan ini, kami telah mengukur tingkat pengetahuan orang tua terhadap materi pelatihanberupa penyebaran kuesioner. Merujuk kepada kuesioner yang telah disebarkan, kami menilai bahwapeningkatan pengetahuan para orang tua pada saat pelatihan berjalan cukup baik, kepedulian mereka terhadapkeamanan penggunaan cukup tinggi.
Prancangan Aplikasi Sistem Pakar Untuk Diagnosis Periodontal Suhaeri Suhaeri; Fawzan Ramadhan; Chaerita Maulani; Elan Suherlan; Sri Puji Utamima
Prosiding Seminar Nasional Unimus Vol 5 (2022): Inovasi Riset dan Pengabdian Masyarakat Guna Menunjang Pencapaian Sustainable Developm
Publisher : Universitas Muhammadiyah Semarang

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

Abstract

European Federation of Periodontology telah mengeluarkan buku decision tree untuk memudahkan penentuan diagnosis. Decision tree yang sudah dibuat lengkap dapat digunakan untuk menentukan klasifikasi periodontal lebih mudah. Tetapi belum ada sistem diagnosis aplikasi yang berebasis Android.Penelitian ini bertujuan untuk mengembangkan suatu aplikasi berbasis android untuk mendiagnosis pasien yang diduga terdiagnosis penyakit periodontal. Metode yang digunakan pada penelitian ini yaitu Incremental, incremental merupakan model dari SDLC. Berdasarkan hasil pengujian yang dilakukan dengan metode Usability Testing, dari hasil tes yang dilakukan aplikasi ini mendapatkan skor 80 dari 100 yang dianggap layak untuk digunakan. Berdasarkan tinjauan islam dari Perancangan Aplikasi SistemPakar Untuk  Diagnosis Periodontal aplikasi ini dapat mempermudah para dokter dalam mendiagnosis. Kata Kunci : Sistem pakar, Diagnosis Periodontal, Penyakit Gigi.
Optimizing Image Preprocessing for AI-Driven Cervical Cancer Diagnosis Chandra Prasetyo Utomo; Neng Suhaeni; Nashuha Insani; Elan Suherlan; Nunung Ainur Rahmah; Ahmad Rusdan Utomo; Indra Kusuma; Muhamad Fathurachman; Dewa Nyoman Murti Adyaksa
Advance Sustainable Science Engineering and Technology Vol. 7 No. 1 (2025): November-January
Publisher : Science and Technology Research Centre Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/asset.v7i1.1128

Abstract

Cervical cancer ranks among the top causes of cancer-related deaths in women globally. Early detection is vital for improving patient survival rates. The multiclass classification of cervical cell images presents challenges primarily due to the notable variations in cell sizes across different classes. Conventional AI methods for diagnosing cervical cancer often rely on image-resizing techniques that overlook crucial features like relative cell dimensions, which impairs the models' ability to distinguish between classes effectively. This paper presents a novel AI-driven approach that employs constant padding to maintain the natural size differences among cells. Our method utilizes deep learning for both feature extraction and multiclass classification. We assessed the method using the publicly accessible SIPaKMeD dataset. Experimental findings indicate that our approach surpasses traditional image-resizing methods, especially in classes that are more challenging to predict. This strategy highlights AI's potential to improve cervical cancer diagnosis, offering a more precise and dependable tool for early detection. A reliable and precise AI model for diagnosing cervical cancer is crucial for promoting widespread screening and ensuring timely and effective treatment, which can ultimately lower mortality rates. By aiding early and accurate diagnosis, this approach aligns with global health efforts to alleviate the burden of cancer and other diseases, especially in areas with limited access to advanced healthcare services facilities.
PENERAPAN FLASK FRAMEWORK UNTUK DEPLOYMENT MODEL MACHINE LEARNING DALAM MENDUKUNG ANALISIS ADAPTASI MAHASISWA PADA PEMBELAJARAN DARING Elan Suherlan; Shindy Arti; Siti Nabilah; Zahwah Hazimah
PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Vol. 9 No. 1 (2025): Jurnal PINTER
Publisher : PTIK Fakultas Teknik UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/pinter.9.1.15

Abstract

Kemampuan adaptasi mahasiswa dalam pembelajaran daring merupakan faktor penting yang memengaruhi motivasi, keterlibatan, dan keberhasilan akademik. Untuk mendukung deteksi dini tingkat adaptasi mahasiswa, penelitian ini mengusulkan pembangunan sistem prediksi berbasis machine learning menggunakan framework Flask. Model dilatih menggunakan dataset mahasiswa yang mencakup aspek demografis, teknis, dan sosial-ekonomi. Beberapa algoritma diuji untuk menentukan model terbaik dengan indikator akurasi, presisi, recall, dan F1-score. Model yang terpilih kemudian diintegrasikan ke dalam aplikasi web dengan memanfaatkan Flask sebagai micro web framework yang ringan dan fleksibel. Proses deployment dilakukan dengan membangun API yang menerima input data mahasiswa, menjalankan prediksi, dan menghasilkan keluaran berupa kategori adaptasi rendah, sedang, atau tinggi. Sistem yang dihasilkan mampu memberikan hasil dengan antarmuka sederhana sehingga mudah digunakan oleh mahasiswa maupun dosen. Hasil implementasi menunjukkan bahwa penggunaan Flask tidak hanya mempercepat proses integrasi model machine learning ke dalam aplikasi berbasis web, tetapi juga membuka peluang pengembangan lebih lanjut, termasuk integrasi dengan sistem manajemen pembelajaran. Penelitian ini berkontribusi dalam menghadirkan solusi praktis untuk mendukung personalisasi pembelajaran daring melalui pemanfaatan teknologi prediksi adaptasi mahasiswa.
Co-Authors Ahmad Rusdan Utomo Chaerita Maulani Chandra Prasetyo Utomo Dewa Nyoman Murti Adyaksa Fawzan Ramadhan Heri Yugaswara INDRA KUSUMA Muhamad Fathurachman Nashuha Insani Neng Suhaeni Nunung Ainur Rahmah Shindy Arti Siti Nabilah Sri Puji Utamima Suhaeri Suhaeri Ummi Azizah Rahmawati Zahwah Hazimah