Article Per Year (5 Year)
p-Index From 2021 - 2026
2.59
P-Index
This Author published in this journals
All Journal Jurnal TIMES Antivirus : Jurnal Ilmiah Teknik Informatika JURNAL MAHAJANA INFORMASI INFOKUM Jurnal Armada Informatika
Irwan Jani Tarigan
STMIK Methodist Binjai
Computer Science & IT Control & Systems Engineering Library & Information Science

Published : 18 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Jurnal TIMES

 1 
PERANCANGAN APLIKASI MEDIA PEMBELAJARAN MATEMATIKA BANGUN RUANG BERBASIS AUGMENTED REALITY (AR) UNTUK SISWA SEKOLAH DASAR Cindy; Tarigan, Irwan Jani; Alasi, Tomy Satria
Jurnal TIMES Vol 13 No 2 (2024): Jurnal TIMES
Publisher : STMIK TIME

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51351/jtm.13.2.2024782

Abstract

Pendidikan matematika pada tingkat Sekolah Dasar memegang peranan penting dalam membentuk dasar pemahaman konsep matematika bagi siswa. Namun, pembelajaran konsep bangun ruang seringkali dihadapi dengan tantangan, seperti kesulitan siswa dalam memvisualisasikan objek tiga dimensi sehingga memicu rendahnya minat belajar. Untuk mengatasi hal tersebut, dirancanglah sebuah aplikasi media pembelajaran berbasis Augmented Reality (AR) dengan model perancangan MDLC (Multimedia Development Life Cycle). Aplikasi ini dirancang untuk meningkatkan pemahaman siswa terhadap konsep bangun ruang secara interaktif dan menyenangkan. Pengujian dilakukan menggunakan blackbox testing dan hasil menunjukkan bahwa semua fungsi aplikasi berjalan dengan sukses. Diharapkan aplikasi ini dapat meningkatkan efektivitas pembelajaran matematika di sekolah dasar, serta berkontribusi pada pengembangan pemahaman dan minat belajar siswa.
PERANCANGAN SISTEM INFORMASI PENGOLAHAN DATA NILAI SISWA BERBASIS WEB MENGGUNAKAN METODE RAD (STUDI KASUS : SMP SWASTA USIA TAMA) Lorenza, Anggella Nelta; Alamsyah, Reza; Tarigan, Irwan Jani
Jurnal TIMES Vol 14 No 1 (2025): Jurnal TIMES
Publisher : STMIK TIME

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51351/jtm.14.1.2025817

Abstract

Peran teknologi pada dunia pendidikan ialah suatu aspek krusial khususnya dalam informasi nilai. Data nilai digunakan untuk berbagai tujuan, mulai dari evaluasi kinerja siswa, pelaporan kepada orang tua, hingga terkait perkembangan akademik siswa. Pada SMP Swasta Usia Tama, sebuah institusi pendidikan yang berkomitmen untuk meningkatkan kualitas pengolahan data akademik. Masalah terkait pengolahan data nilai siswa di sekolah tersebut masih terjadi karena penggunaan sistem input manual. Untuk mengatasi masalah ini, penulis membuat sebuah sistem informasi dengan memanfaatkan metode Rapid Application Development (RAD) pada pengembangan sistem berbasis web untuk pengolahan data nilai siswa. Besar harapan penerapan sistem berbasis web ini dapat pengembangan kecepatan, akurasi, serta efisiensi dalam tahapan pengolahan data nilai siswa.
KLASIFIKASI CITRA MRI PENYAKIT ALZHEIMER MENGGUNAKAN METODE DEEP LEARNING EFFICIENTNET-B0 DAN VGG-19 Tarigan, Irwan Jani; Reza Alamsyah; Riandy Yap; Alasi, Tomi Satria
Jurnal TIMES Vol 14 No 1 (2025): Jurnal TIMES
Publisher : STMIK TIME

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51351/jtm.14.1.2025830

Abstract

Penyakit Alzheimer merupakan bentuk paling umum dari demensia yang ditandai dengan penurunan progresif fungsi kognitif, daya ingat, dan perilaku. Deteksi dini Alzheimer menjadi krusial untuk mencegah dampak jangka panjang terhadap kualitas hidup penderita. Penelitian ini bertujuan untuk mengklasifikasikan stadium penyakit Alzheimer berdasarkan citra Magnetic Resonance Imaging (MRI) menggunakan metode deep learning dengan arsitektur EfficientNet-B0 dan VGG-19. Dataset yang digunakan terdiri dari 6.400 citra MRI yang terbagi ke dalam empat kelas: demensia sangat ringan, demensia ringan, demensia sedang, dan kondisi normal. Proses preprocessing meliputi resize, sharpening citra menggunakan kernel 3x3, aktivasi ReLU, serta pooling dengan MaxPooling2D. Data kemudian dibagi menjadi 80% untuk pelatihan, 10% validasi, dan 10% pengujian. Hasil pelatihan menunjukkan bahwa model VGG-19 mampu mencapai akurasi tertinggi sebesar 95%, sementara EfficientNet-B0 mencapai 94%. Evaluasi performa dilakukan menggunakan metrik precision, recall, dan F1-score untuk masing-masing kelas. Berdasarkan hasil tersebut, kedua model menunjukkan performa yang tinggi dalam klasifikasi citra MRI penyakit Alzheimer. Temuan ini menunjukkan bahwa pendekatan deep learning mampu memberikan hasil akurat dan dapat digunakan sebagai alat bantu dalam proses diagnosis dini penyakit Alzheimer secara otomatis.
Co-Authors Alamsyah, Reza Alasi, Tomi Satria Alasi, Tomy Satria Allwine Barus, Andre Armana Putra Cindy Gaol, Delima Lumban Gea, Dandi Sarpinus ginting, Ersada Halim, Marwa Indra Sidabutar Indra Sidabutar Juliana Lorenza, Anggella Nelta Maji Sapdiaz Manullang, Sahat Fernando Marpaung, Adinda Nurrahmah Nasution, Suhendri Nasution, Suhendri Nasution P, Megawati Pandi Barita Nauli Simangunsong Priandy Yaputra Reza Alamsyah Simangunsong, Pandi Barita Nauli Sinurat, Rosmauli Margaret Tongam E Panggabean Wijaya, Vera