Article Per Year (5 Year)
p-Index From 2021 - 2026
0.817
P-Index
This Author published in this journals
All Journal JITK (Jurnal Ilmu Pengetahuan dan Komputer) The Center For Sustainable Development Studies Journal Jurnal Pengabdian kepada Masyarakat Dewantara
Ryan Putranda Kristianto
Universitas Katolik Darma Cendika
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Industrial & Manufacturing Engineering Medicine & Pharmacology Social Sciences

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

Found 4 Documents
Search

 1 
Perancangan Aplikasi Android Katalog Buku Dengan Fitur Barcode Scanner Menggunakan Google ML Kit Ryan Putranda Kristianto; Edwin Alexander; Yulia Wahyuningsih; Yosefina Finsensia Riti; Stephanus Surijadarma Tandjung; Andre Hartanto
The Center for Sustainable Development Studies Journal (Jurnal CSDS) Vol 1 No 1 (2022): Juni
Publisher : Faculty of Engineering, Darma Cendika Catholic University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (424.764 KB) | DOI: 10.37477/csds.v1i1.368

Abstract

Teknologi Barcode Scanner merupakan teknologi lama dimana terdapat device khusus untuk melakukan scanning barcode atau QR Code. Namun apabila dikombinasikan dengan sebuah aplikasi ber-platform mobile khususnya Android, diperlukan sebuah teknologi khusus untuk mewadahinya yaitu teknologi Google ML Kit. Pada tulisan ini dijelaskan perancangan aplikasi katalog buku dengan fitur Barcode Scanner menggunakan Google ML Kit, dimana fitur Barcode Scanner tersebut digunakan untuk melakukan pencarian data katalog buku.
Penerapan Algoritma Simple Moving Average Untuk Prediksi Data Time Series Dengan T-SQL Microsoft SQL Server Ryan Putranda Kristianto; Edwin Alexander; Yulia Wahyuningsih; Yosefina Finsensia Riti; Stephanus Surijadarma Tandjung; Andre Hartanto
The Center for Sustainable Development Studies Journal (Jurnal CSDS) Vol 1 No 1 (2022): Juni
Publisher : Faculty of Engineering, Darma Cendika Catholic University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (442.511 KB) | DOI: 10.37477/csds.v1i1.369

Abstract

Microsoft SQL Server merupakan DBMS yang sangat populer, yang digunakan sebagai media penyimpanan data. Kemampuan Microsoft SQL Server sebenarnya tidak hanya pada kemampuan memanajemen penyimpanan data saja, namun juga dapat digunakan sebagai data analytic. Pada tulisan ini dijelaskan penerapan algoritma Simple Moving Average untuk prediksi data time series pada Microsoft SQL Server. Teknik pemrograman query yang dipakai adalah T-SQL (Transact SQL) yang merupakan teknik bawaan SQL Server dan didalamnya termasuk teknik – teknik pemrograman query seperti looping, selection dan lainnya. Algoritma Simple Moving Average berhasil diterapkan pada Microsoft SQL Server dan berhasil menghitung angka prediksi data aktual yang telah di-record-kan pada tabel database.
Penyuluhan Cyber Space : Cyber Bullying dan Etika Bermedsos untuk Meningkatkan Wawasan Internet Sehat Beserta Pengukuran Tingkat Kepuasannya Edwin Alexander; Ryan Putranda Kristianto
Jurnal Pengabdian kepada Masyarakat DEWANTARA Vol 4 No 1 (2021): Jurnal Pengabdian Kepada Masyarakat DEWANTARA
Publisher : Lembaga Penelitian dan Pengabdian Pada Masyarakat Universitas Tamansiswa Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31317/jpmd.v4i1.673

Abstract

SMA Santa Maria Surabaya, adalah sebuah sekolah menengah tingkat atas yang mengadopsi dan menerapkan nilai – nilai agama Katolik pada pembelajarannya. Pada level sekolah menengah tingkat atas, peserta didik yang semuanya adalah remaja, pada usia tersebut dikatakan sudah sangat familiar dengan internet, terlebih lagi sosial media. Penyalahgunaan sosial media sebagai media untuk menyampaikan perspektif pandangan dan feedback atas sebuah informasi ke arah hal negatif, adalah merupakan sebuah contoh bentuk tindakan dari Cyber Bullying. Penulis melakukan penyuluhan dalam bentuk webinar dan mengangkat topik Cyber Space, yang di dalamnya terdapat konten materi Cyber Bullying dan Etika bermedsos. Tingkat kepuasan peserta webinar tersebut sangat tinggi, dimana dilakukan pengukuran pada peserta webinar dengan parameter kuesioner : materi yang dipaparkan (indikator 1) dan penyampaian materi yang dipaparkan (indikator 2). Penulis 1 mendapatkan tingkat kepuasan sebesar 64.6% pada indikator 1 dan 70.7% pada indikator 2, sedangkan penulis 2 sebesar 63.4% pada indikator 1 dan 67.1% pada indikator 2.
PERFORM COMPARATION OF DEEP LEARNING METHODS IN GENDER CLASSIFICATION FROM FACIAL IMAGES Yosefina Finsensia Riti; Ryan Putranda Kristianto; Dionisius Reinaldo Ananda Setiawan
JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer) Vol. 10 No. 4 (2025): JITK Issue May 2025
Publisher : LPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/jitk.v10i4.4717

Abstract

Identifying gender through facial images is a crucial aspect in various life contexts. Biometric technology, such as facial recognition, has become an integral part of various applications, including fraud detection, cybersecurity protection, and consumer behavior analysis.  With the advancement of technology and the progress in artificial intelligence, especially through the use of Convolutional Neural Networks (CNNs), computers can now identify gender from facial images with a high level of accuracy. Although there are still some challenges, such as variations in pose, facial expressions, and different lighting conditions, CNNs can overcome these obstacles. This study uses the CelebA dataset, which consists of 122,000 facial images of both men and women. The dataset has been processed to maintain a balanced number of samples for each gender class, resulting in a total of 101,568 samples. The data is divided into training, validation, and test sets, with 80% used for training, and the remaining 20% split between validation and testing. Eight different CNN architectures are applied, including VGG16, VGG19, MobileNetV2, ResNet-50, ResNet-50 V2, Inception V3, Inception ResNet V2, and AlexNet. Although previous research has shown the potential of CNN architectures for various classification tasks, these studies often encounter issues of overfitting on large datasets, which can reduce model accuracy. This study applies dropout techniques and hyperparameter tuning to address overfitting issues and optimize model performance. The training results indicate that ResNet-50, ResNet-50 V2, and Inception V3 achieved the highest accuracy of 98%, while VGG16, VGG19, MobileNetV2, and AlexNet achieved accuracies of 95% and 97%, respectively. Performance evaluation using confusion matrices, precision, recall, and F1-score demonstrates excellent performance.
Co-Authors Andre Hartanto Dionisius Reinaldo Ananda Setiawan Edwin Alexander Edwin Alexander Riti, Yosefina Finsensia Tandjung, Stephanus Surijadarma Yulia Wahyuningsih