Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal CogITo Smart Journal Naratif : Jurnal Nasional Riset, Aplikasi dan Teknik Informatika
Riyanti, Niken
Unknown Affiliation
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 
PENERAPAN IOT PADA KURSI ANTROPOMETRI DI LABORATORIUM PSKE UNIVERSITAS TEKNOLOGI BANDUNG Hadhiwibowo, Ari; Dinata, Rika Andriyanti; Riyanti, Niken; Dinata, Mega Andriyanti
Naratif (Jurnal Nasional Riset, Aplikasi Dan Teknik Informatika) Vol 6 No 1 (2024): NARATIF : Jurnal Nasional Riset Aplikasi dan Teknik Informatika
Publisher : Sekolah Tinggi Teknologi Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53580/naratif.v6i1.283

Abstract

Abstrak Penerapan kursi antropometri berbasis sensor HC-SR04 dengan menggunakan Arduino Uno adalah sebuah penelitian untuk membuat kursi yang dapat menyesuaikan posisi duduk pengguna berdasarkan ukuran tubuhnya dengan bantuan sensor jarak HC- SR04 dan mikrokontroler Arduino Uno. Penelitian ini dilakukan pada Laboratorium PSKE di Universitas teknologi Bandung. Kursi antropometri yang digunakan saat ini di laboratorium PSKE Universitas Teknologi Bandung masih menggunakan alat ukur konvensional yaitu meteran. Pengukuran yang dilakukan secara konvensional membutuhkan waktu dan hasilnya kurang akurat sehingga diperlukan ketelitian yang lebih dan data yang didapat tidak real-time. Sensor HC-SR04 akan dipasang pada 5 titik untuk mengukur jarak badan bagian atas kemudian 1 titik lagi di bawah kursi untuk mengukur jarak antara kursi dengan bokong pengguna. Data jarak yang diperoleh akan diproses oleh mikrokontroler Arduino Uno yang akan menghitung dimensi antropometri. Kursi antropometri ini akan dilengkapi dengan motor dan mekanisme pengatur yang dapat mengatur tinggi badan, lebar badan, tinggi duduk, kedalaman duduk, dan kemiringan duduk secara otomatis. Pengguna hanya perlu duduk di atas kursi, kemudian kursi akan menyesuaikan posisinya secara otomatis berdasarkan ukuran tubuhnya. Hasil pengukuran akan ditampilkan pada LCD dan dicatat oleh sistem berbasis website dan langsung disimpan dalam database. Penerapan IoT pada kursi antropometri menjadikan proses pengukuran dimensi tubuh manusia menjadi efektif dan data yang didapat real-time.
Neural Dynamic Network for Brain Tumor Classification: An Attention-Based Feature Selection Approach Naseer, Muchammad; Agustina, Nova; Gusdevi, Harya; Riyanti, Niken
CogITo Smart Journal Vol. 11 No. 2 (2025): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31154/cogito.v11i2.989.430-446

Abstract

Magnetic Resonance Imaging (MRI) plays a vital role in the early detection of brain tumors. However, standard Convolutional Neural Network (CNN) models often struggle to extract truly relevant features from complex MRI structures. This limitation creates a gap in achieving robust and clinically interpretable classifications, as feature redundancy and weak attention toward tumor-specific regions may reduce diagnostic reliability. To address this gap, this study introduces a Neural Dynamic Network (NDN) that integrates EfficientNetV2S with a dynamic attention-based mechanism to adaptively highlight informative features while suppressing noise. The proposed model was evaluated using a 5-fold cross-validation scheme and tested on unseen data. Compared with the baseline CNN, the NDN consistently demonstrated higher accuracy, precision, recall, and F1-score across folds and final testing, reflecting improved robustness and balanced sensitivity. NDN yielded significant improvements, with the 5-fold validation averaging an accuracy of 88.44%, a precision of 87.84%, a recall of 87.88%, and an F1-score of 87.82%.  Beyond numerical performance, interpretability analysis utilizing Grad-CAM demonstrated that NDN generates more concentrated and clinically consistent heatmaps. In contrast, the baseline CNN produced dispersed activations that exhibited less alignment with tumor regions. Overall, the findings confirm that incorporating a dynamic attention-based mechanism substantially enhances both feature selection and visual interpretability. This makes the NDN architecture more reliable for MRI-based brain tumor classification and highly suitable as a decision-support tool in clinical workflows.
Co-Authors Agustina, Nova Dinata, Mega Andriyanti Dinata, Rika Andriyanti Gusdevi, Harya Hadhiwibowo, Ari Muchammad Naseer