Garuda - Garba Rujukan Digital

Hubungan Pola Asuh Orang Tua terhadap Motivasi Belajar Anak Disabilitas Intelektual di SLB Perwari Bakti, Indra; Zulmiyetri, Zulmiyetri; Iswari, Mega; Budi, Setia
Jurnal Penelitian Pendidikan Khusus Vol 12, No 2 (2024): In Press
Publisher : Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/juppekhu.v12i2.130352

Tujuan penelitian ini adalah untuk melihat hubungan pola asuh orangtua terhadap motivasi belajar anak disabilitas intelektual di SLB Perwari. Penelitian ini adalah penelitian kuantitatif menggunakan model korelasional. Populasi dalampenelitian ini adalah anak disabilitas intelektual dan sampel dalam penelitian ini adalah guru dan orang tua yang memiliki anak disabilitas intelektual di SLB Perwari Padang. Instrument tes dalam penelitian ini adalah angket pola asuh orang tua dan angket motivasi belajar. Teknik analisis menggunakan product moment. Hasil penelitian adalah terdapat hubungan yang berarti antara pola asuh orang tua terhadap motivasi belajar penyandang diselektual di SLB Perwari KotaPadang, dengan hasil r-hitung (0,896) > r-tabel (0,497). Dari hasil tersebut dapat disimpulkan bahwa pola asuh orang tua sangat dibutuhkan oleh anak disabilitas intelektual dalam motivasi belajar.

OPTIMASI CONVOLUTION NEURAL NETWORK UNTUK DETEKSI COVID-19 Hastomo, Widi; Karno, Adhitio Satyo Bayangkari; Bakti, Indra
RADIAL : Jurnal Peradaban Sains, Rekayasa dan Teknologi Vol. 10 No. 2 (2022): RADIAL: JuRnal PerADaban SaIns RekAyasan dan TeknoLogi
Publisher : Universitas Bina Taruna Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37971/radial.v10i2.299

Abstrak: Optimasi Convolution Neural Network Untuk Deteksi Covid-19. Kondisi pandemi seperti sekarang ini diperlukan sebuah algoritma pembelajaran mesin untuk mendeteksi covid-19 secara otomatis berdasarkan pada gambar rontgen dada guna memudahkan dalam mambantu pengambil keputusan. Penelitian ini ingin membandingkan arsitektur CNN AlexNet dan MobileNetV2 untuk mendeteksi (a) covid-19, (b) lung opacity, (c) normal, (d) viral pneumonia. Data himpunan rontgen dada yang digunakan sejumlah 4000 yang berasal dari kaggle.com, 0.8 data dibagi untuk pelatihan sedangkan 0.2 nya digunakan untuk pengujian. Optimizer yang digunakan yaitu keras SGD momentum, dengan nilai learning rate 0.005 dan momentum 0.9, serta epoch 50. Ukuran gambar untuk input yaitu 224x224 serta ukuran batch 32. Hasil optimasi dari kedua algoritma tersebut yaitu, MobileNetV2 lebih baik untuk mendeteksi covid-19 dengan nilai akurasi presisi mencapai 99%. Penelitian selanjutnya dapat membandingkan algoritma CNN yang lainnya serta data himpunan yang lebih banyak. Kata kunci: CNN; AlexNet; MobileNetV2; Covid-19 Abstract: Convolution Neural Network Optimization for Covid-19 Detection. In the current pandemic conditions, a machine learning algorithm is needed to detect COVID-19 automatically based on chest X-ray images to make it easier to assist decision makers. Aim study be disposed for compare the architecture of CNN AlexNet and MobileNetV2 to detect (a) covid-19, (b) lung opacity, (c) normal, (d) viral pneumonia. The data set of chest X-rays used are 4000 from kaggle.com, 0.8 of the data is shared for training while 0.2 is used for testing. The optimizer used is hard SGD momentum, with a value of leaning rate 0.005 and momentum 0.9, and epoch 50. The image size for the input is 224x224 and the batch size is 32. The optimization results from the two algorithms are, MobileNetV2 is better for detecting covid-19 with an accuracy value The precision reaches 99%. Future research can compare other CNN algorithms and larger data sets. Keywords: CNN; AlexNet; MobileNetV2; Covid-19

Pengenalan Penggunaan Google Form Untuk Survei Kepada Warga Darma Bakti, Cengkareng, Jakarta Barat Firdaus, Mohamad; Bakti, Indra
PRAXIS: Jurnal Pengabdian kepada Masyarakat Vol. 2 No. 3 (2024): PRAXIS
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47776/praxis.v2i3.992

This research aims to introduce and implement the use of google form as a survei tool to collect data from residents of Darma Bakti, Cengkareng, West Jakarta. The research method involves developing a survei form using the google form platform that can be accessed online. The research also explored the effectiveness of google form in collecting data on various aspects of Darma Bakti residents' lives and needs. The research process involved introducing the concept and functionality of google form to respondents, as well as brief training to increase participation in the survei. The data collected included demographic information, preferences, and feedback related to services and facilities obtained from Darma Bakti residents. Data analysis involved the use of automated analysis features provided by google form, as well as manual interpretation to gain deeper insights. The results of this study are expected to provide a better view of the use of google form as an effective and efficient tool for citizen surveis, as well as provide valuable input for the improvement of services and facilities in the Darma Bakti neighborhood, Cengkareng, West Jakarta. This research also contributes to the literature related to the use of online survei technology, especially in the context of local communities.

OPTIMASI CONVOLUTION NEURAL NETWORK UNTUK DETEKSI COVID-19 Hastomo, Widi; Karno, Adhitio Satyo Bayangkari; Bakti, Indra
RADIAL : Jurnal Peradaban Sains, Rekayasa dan Teknologi Vol. 10 No. 2 (2022): RADIAL: JuRnal PerADaban SaIns RekAyasan dan TeknoLogi
Publisher : Universitas Bina Taruna Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37971/radial.v10i2.299

Abstrak: Optimasi Convolution Neural Network Untuk Deteksi Covid-19. Kondisi pandemi seperti sekarang ini diperlukan sebuah algoritma pembelajaran mesin untuk mendeteksi covid-19 secara otomatis berdasarkan pada gambar rontgen dada guna memudahkan dalam mambantu pengambil keputusan. Penelitian ini ingin membandingkan arsitektur CNN AlexNet dan MobileNetV2 untuk mendeteksi (a) covid-19, (b) lung opacity, (c) normal, (d) viral pneumonia. Data himpunan rontgen dada yang digunakan sejumlah 4000 yang berasal dari kaggle.com, 0.8 data dibagi untuk pelatihan sedangkan 0.2 nya digunakan untuk pengujian. Optimizer yang digunakan yaitu keras SGD momentum, dengan nilai learning rate 0.005 dan momentum 0.9, serta epoch 50. Ukuran gambar untuk input yaitu 224x224 serta ukuran batch 32. Hasil optimasi dari kedua algoritma tersebut yaitu, MobileNetV2 lebih baik untuk mendeteksi covid-19 dengan nilai akurasi presisi mencapai 99%. Penelitian selanjutnya dapat membandingkan algoritma CNN yang lainnya serta data himpunan yang lebih banyak. Kata kunci: CNN; AlexNet; MobileNetV2; Covid-19 Abstract: Convolution Neural Network Optimization for Covid-19 Detection. In the current pandemic conditions, a machine learning algorithm is needed to detect COVID-19 automatically based on chest X-ray images to make it easier to assist decision makers. Aim study be disposed for compare the architecture of CNN AlexNet and MobileNetV2 to detect (a) covid-19, (b) lung opacity, (c) normal, (d) viral pneumonia. The data set of chest X-rays used are 4000 from kaggle.com, 0.8 of the data is shared for training while 0.2 is used for testing. The optimizer used is hard SGD momentum, with a value of leaning rate 0.005 and momentum 0.9, and epoch 50. The image size for the input is 224x224 and the batch size is 32. The optimization results from the two algorithms are, MobileNetV2 is better for detecting covid-19 with an accuracy value The precision reaches 99%. Future research can compare other CNN algorithms and larger data sets. Keywords: CNN; AlexNet; MobileNetV2; Covid-19

Title

Found 4 Documents
Search

Abstract

Abstract

Abstract

Abstract

Title Search

Found 4 Documents Search

Abstract

Abstract

Abstract

Abstract

Title

Found 4 Documents
Search