Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) JOURNAL OF APPLIED INFORMATICS AND COMPUTING
Made Doddy Adi Pranatha, Made Doddy Adi
STIKOM BALI
Computer Science & IT Control & Systems Engineering

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

Found 2 Documents
Search

 1 
Situs Jejaring Sosial Alumni STIKOM BALI Berbasis Web Dengan Menggunakan .Net Framework Pranatha, Made Doddy Adi
Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) 2015
Publisher : Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (721.558 KB)

Abstract

Alumni memiliki peranan yang penting dalam pembangunan suatu universitas itu sendiri dengan melihat dari kualitas pekerjaan yang didapat oleh masing-masing alumni sehingga mencerminkan bahwa Lulusan dari universitas tersebut mampu berguna didalam masyarakat. STIKOM BALI telah memiliki website khusus untuk alumni, namun dalam penerapannnya situs tersebut tidak dimanfaatkan secara maksimal oleh pihak alumni dikarenakan situs tersebut hanya menyediakan informasi tentang kegiatankegiatan kampus dan bukan sebagai media untuk saling menghubungkan antar satu alumni dengan alumni yang lain. Dengan memanfaatkan fasilitas internet maka dibuat sebuah situs jejaring sosial untuk alumni STIKOM BALI yang dapat mempermudah komunikasi antar para alumni. Situs ini dibuat dengan memulai perancangan sistem terebih dahulu menggunakana UML kemudian dilanjutkan dengan pembuatan user interface dan algoritma pemrograman. Hasil dari rancangan tersebut kemudian diimplementasikan ke dalam bahasa pemrograman VB.Net dan dengan menggunakan platform ASP.Net serta menggunakan SQL SERVER 2008 sebagai manajemen basis data. Sehingga dihasilkan sebuah situs jejaring sosial alumni yang dapat memudahkan penyebaran informasi pada alumni. Situs ini masih memiliki beberapa kekurangan diantaranya pada keamanan situs ini yang masih kurang.
Utilization of ResNet Architecture and Transfer Learning Method in the Classification of Faces of Individuals with Down Syndrome Pranatha, Made Doddy Adi; Setiawan, Gede Herdian; Maricar, M Azman
Journal of Applied Informatics and Computing Vol. 8 No. 2 (2024): December 2024
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v8i2.8474

Abstract

Classifying the faces of individuals with Down Syndrome poses a significant challenge in image processing and genetic anomaly detection. This study leverages the ResNet34 architecture and transfer learning methods to improve classification accuracy for Down Syndrome facial recognition. Three experiments were conducted, varying the batch size, learning rate, and number of epochs. In the first experiment, the model achieved an accuracy of 82.83%, precision of 0.8362, recall of 0.8350, and an F1 score of 0.8348, showing promising performance but falling short of the target accuracy of 85%. The second experiment yielded the best results, with an accuracy of 87.88%, precision of 0.8956, recall of 0.8956, and an F1 score of 0.8956, indicating an optimal balance between correct predictions and errors. The third experiment resulted in the lowest accuracy, at 80.47%, with a precision of 0.8272, recall of 0.8249, and an F1 score of 0.8247, signifying a decline in performance compared to the other trials. Among the three experiments, the best configuration was achieved in the second trial, as the high recall value is crucial in medical contexts to ensure that as many individuals with Down Syndrome are correctly detected as possible, minimizing the risk of serious consequences due to false negatives.
Co-Authors Maricar, M Azman Setiawan, Gede Herdian