Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal CogITo Smart Journal
Deasy Komarasary
Universitas Amikom Purwokerto
Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering

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

Found 2 Documents
Search

 1 
Pengaruh Elemen Rewards Terhadap Keterlibatan Mahasiswa Dalam Mengikuti Pembelajaran Online Pada Platform G-MOOC Rujianto Saputro; Deasy Komarasary; Rosana Fadila Sari
CogITo Smart Journal Vol. 8 No. 2 (2022): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31154/cogito.v8i2.408.308-320

Abstract

Gamifikasi terbentuk dari elemen permainan yang mampu meningkatkan motivasi atau keterlibatan seseorang menyelesaikan tugas atau pekerjaan. Karena kemampuannya terebut maka gamifikasi banyak diaplikasikan di berbagai bidang, salah satunya di bidang pendidikan. Platform G-MOOC merupakan platform Massive Open Online Courses yang dibangun dengan menggunakan pendekatan gamifikasi. Dibangun menggunakan framework MARC, platform ini dapat meningkatkan motivasi belajar mahasiswa dalam menyelesaikan kursus yang diikuti. G-MOOC terdiri dari beberapa elemen permainan yang bersifat ekstrinsik, diantaranya adalah poin, level dan leaderboards. Pengaruh elemen permainan bersifat ekstrinsik belum pernah diuji pengaruhnya terhadap tingkat keterlibatan, maka penelitian ini fokus terhadap pengujian pengaruh ketiga elemen ini terhadap motivasi mahasiswa menyelesaikan kursus. Berdasarkan pengujian didapatkan elemen point berpengaruh secara signifikan pada tingkat keterlibatan mahasiswa. Hal ini dikarenakan elemen poin berdampak langsung pada setiap aktivitas belajar yang dilakukan oleh mahasiswa di dalam platform. Penelitian selanjutnya akan diuji jenis poin apa yang paling mempengaruhi motivasi mahasiswa dalam menggunakan platform G-MOOC.
Pengaruh Segmentasi terhadap Diagnosis COVID-19 pada Citra X-Ray Paru Chyntia Raras; Pulung Setiawan; Deasy Komarasary
CogITo Smart Journal Vol. 9 No. 1 (2023): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31154/cogito.v9i1.471.171-180

Abstract

Berbagai penelitian terkait identifikasi COVID-19 dengan memanfaatkan citra X-Ray Paru dari pasien COVID-19 telah banyak dilakukan. Namun, keberhasilan algoritme sangat bergantung pada beberapa hal, tak terkecuali proses segmentasi citra. Proses segmentasi dapat mempengaruhi hasil klasifikasi, khususnya pada diagnosis pasien COVID-19. Proses identifikasi pasien COVID-19 menggunakan citra X-Ray berfokus pada bercak cairan yang ada disekitar paru untuk memperoleh informasi yang tepat dari gambaran bercak yang ada pada citra X-Ray. Tahap segmentasi akan membagi citra ke beberapa segmen kecil untuk menstransformasikan representasi yang lebih bermakna bagi komputer dan memudahkan proses analisis. Terdapat berbagai teknik dan metode segmentasi yang digunakan pada beberapa penelitian terdahulu dengan hasil yang sangat beragam diantaranya metode segmentasi dengan teknik deteksi tepi (edge detection) dan thresholding serta metode segmentasi dengan teknik semantic segmentation. Meskipun demikian proses segmentasi tidak secara signifikan meningkatkan performa model, khususnya akurasi klasifikasi. Namun, segmentasi meningkatkan keandalan dan kualitas model yang dikembangkan.
Co-Authors Chyntia Raras Pulung Setiawan Rosana Fadila Sari Rujianto Eko Saputro