Claim Missing Document
Check
Articles

Found 2 Documents
Search

Pelatihan Pembuatan Games dengan Scratch Untuk Siswa SMA Wachid Hasyim 5 Surabaya Sari, Mamik Usniyah; Muhandhis, Isnaini; Wijaya, Nicholas; Murdani, Muhammad Harist; Atmojo, Suryo; Dewi, Suzana; Ritonga, Alven Safik; Widhiyanta, Nurwahyudi
Pengabdian Masyarakat dan Inovasi Teknologi (DIMASTEK) Vol 3 No 01 (2024): April 2024
Publisher : Fakultas Teknik-Universitas Wijaya Putra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38156/dimastek.v3i01.72

Abstract

In the increasingly developing digital era, there are several computer skills that high school students must have. One of them is understanding the basics of programming and software development. This service program aims to introduce basic programming concepts and systematic logical thinking to Wachid Hasyim 5 High School students and motivate students to learn computers as a basic skill that must be possessed in the current era by creating game programs with Scratch. The implementation of this training was carried out using a participatory approach where the implementing team provided direct learning and assistance to participants. Mentoring is provided until students can master the material for making games with Scratch. The results of this service program are an increase in students' understanding of the basics of computer programming and an increase in students' skills in creating games with Scratch. This is proven by the post-test results which increased after the training was implemented.
Identifikasi Kerusakan Jaringan Tubuh Pada Citra Histopatologi Menggunakan Arsitektur ResNet-50 Wijaya, Nicholas; Muflikhah, Lailil; Darma Setiawan, Budi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 6 (2025): Juni 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Analisis citra histopatologi merupakan aspek penting dalam diagnosis patologis berbasis jaringan, khususnya dalam mendeteksi kelainan sel seperti steatosis dan nekrosis. Proses ini dapat ditingkatkan dengan penerapan teknologi klasifikasi citra berbasis machine learning, terutama menggunakan Convolutional Neural Network (CNN). Penelitian ini bertujuan untuk mengembangkan model klasifikasi anotasi citra histopatologi berbasis CNN menggunakan arsitektur ResNet-50 yang dioptimalkan melalui pendekatan transfer learning. Model dilatih awal melalui proses pre-training menggunakan dataset publik PanNuke dan fine-tuning menggunakan dataset anotasi citra histopatologi dengan tiga kelas utama: nekrosis, normal, dan steatosis, yang merepresentasikan kondisi masing-masing sel pada citra. Memanfaatkan metode validasi silang (cross-validation), membantu meningkatkan tingkat kestabilan hasil prediksi. Evaluasi performa model dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan citra anotasi histopatologi dengan tingkat akurasi tinggi dan efektif. Temuan ini membuka peluang untuk penerapan sistem klasifikasi otomatis dalam praktik klinis guna mendukung proses diagnosis yang lebih cepat dan akurat.