Article Per Year (5 Year)
p-Index From 2021 - 2026
1.857
P-Index
This Author published in this journals
All Journal CogITo Smart Journal JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Servitium Smart Journal Masyarakat: Jurnal Pengabdian
Semmy Wellem Taju
Fakultas Ilmu Komputer, Universitas Klabat
Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
MRI Image Analysis for Alzheimer’s Disease Detection Using Transfer Learning: VGGNet vs. EfficientNet Sandag, Green Arther; Djamal, Eleonora; Tangka, George Morris William; Taju, Semmy Wellem
CogITo Smart Journal Vol. 10 No. 2 (2024): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31154/cogito.v10i2.836.580-592

Abstract

This study focuses on developing an effective Alzheimer's disease (AD) classification model using MRI images and transfer learning. This research targets individuals aged 65 and above who are affected by the predominant form of dementia and utilizes an Alzheimer's Disease MRI Image dataset from Kaggle. Model selection involved options like EfficientNetB1, B3, B5, B7, VGG16, and VGG19. Two scenarios with distinct batch sizes (10 and 20) were explored in the model creation process. Evaluation, using a confusion matrix, determined that the EfficientNetB5 model yielded the highest accuracy at 99.22%, surpassing other models such as EfficientNetB1, B3, B7, VGG16, and VGG19. Notably, this research highlights the superior performance of EfficientNet over VGGNet in transfer learning for analyzing Alzheimer's disease MRI images. The study concludes with the implementation of a simple web system for testing model outcomes. Overall, the investigation underscores the efficacy of Convolutional Neural Network (CNN) modeling in Alzheimer's disease analysis and identifies EfficientNetB5 as the optimal model for accurate classification.
IMPLEMENTASI PEMBELAJARAN TEACHING FACTORY, CODING, DAN KECERDASAN BUATAN UNTUK MENINGKATKAN LITERASI TEKNOLOGI SISWA SMK Lontaan, Rolly Junius; Taju, Semmy Wellem; Pungus, Stenly Richard; Moejahedy, Jimmy Herawan; Sahulata, Reynoldus Andrias; Tombeng, Marchel Thimoty
Masyarakat: Jurnal Pengabdian Vol. 3 No. 1 (2026)
Publisher : Yayasan Pendidikan Dan Pengembangan Harapan Ananda

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58740/m-jp.v3i1.743

Abstract

Perkembangan teknologi digital, khususnya coding dan Kecerdasan Buatan (Artificial Intelligence/AI), menuntut adaptasi kurikulum vokasi agar selaras dengan kebutuhan industri. Kegiatan Pengabdian kepada Masyarakat (PKM) ini bertujuan untuk meningkatkan literasi teknologi siswa, khususnya pemahaman terhadap implementasi model Teaching Factory, dasar pemrograman, dan konsep AI. Kegiatan ini dilaksanakan di ruang lab computer Universits Klabat tepatnya di GK2 Lab Komputer 2, sebagai respons terhadap kebutuhan penyelarasan kompetensi siswa dengan dunia kerja. Metode pelaksanaan kegiatan dilakukan melalui pendekatan pelatihan partisipatif yang mencakup tiga tahapan utama. Tahap awal berupa asesmen pengetahuan melalui pre-test, dilanjutkan dengan penyampaian materi interaktif dan demonstrasi teknologi. Materi yang diajarkan meliputi pengenalan Teaching Factory, coding, serta ragam teknologi AI seperti Machine Learning, Deep Learning, Natural Language Processing, Large Language Models, dan Computer Vision. Efektivitas kegiatan diukur melalui post-test dan kuesioner skala Likert yang dianalisis secara deskriptif. Hasil kegiatan menunjukkan peningkatan signifikan pada pemahaman siswa mengenai teknologi terkini. Peserta memberikan persepsi positif dan menilai materi sangat relevan dalam membuka wawasan tentang digitalisasi industri. Implikasi dari kegiatan ini adalah tumbuhnya minat siswa untuk mendalami keterampilan teknis lanjutan sebagai bekal karier, sekaligus mendukung terciptanya ekosistem pendidikan vokasi yang adaptif dan kompetitif di era industri 4.0.
Co-Authors Anjelita Ferensca Kaminang Arwin E. T. Pangaila Djamal, Eleonora Elshadai Gracia Carolina Rampengan Rampengan Ferrell Sanger Frans, Rycko Giovann Leon George Morris William Tangka Green Arther Sandag Jeremy Andrew Pongantung Jian Kezia Tesalonica Yuune Jimmy H Moedjahedy Marchel Thimoty Tombeng Masengi, Julio Joseph Victor Michelle G. Tene Moejahedy, Jimmy Herawan Reymon Rotikan Reynaldo Daingah Reynoldus Andrias Sahulata Rolly Junius Lontaan Sondakh, Debby Erce Stenly Ibrahim Adam Stenly Richard Pungus Syalom Gabriela Wagey Venisa Tewu Yonatan Putra Mamahit