Claim Missing Document
Check
Articles

Found 2 Documents
Search

POJOK TAMAN BACA BERBASIS TEKNOLOGI UNTUK MENINGKATKAN MINAT BACA ANAK Putra, Erwin Dwika; Mariana Purba; Marissa utami; Vina Ayumi; Hadiguna Setiawan; Wachyu Hari Haji
JPMTT (Jurnal Pengabdian Masyarakat Teknologi Terbarukan) Vol. 3 No. 2 (2023): Oktober
Publisher : Lembaga Penelitian Pengabdian Masyarakat Penerbitan dan Percetakan Indonesian Scholar Khiar Wafi (LPPMPP IKHAFI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54650/jpmtt.v3i2.532

Abstract

Kegiatan membaca agar dapat meningkatkan minat baca harus dilakukan sedini mungkin. Perlunya pembentukan kebiasaan akan membaca atau budaya membaca akan menjadi lebih baik apabila dimulai sejak dini dengan kegeiatan sesederhana mungkin. Literasi juga dapat diartikan sebagai kemampuan dalam melakukan kegiatan baca, tulis, berhitung dan berbicara serta kemampuan dalam mencari dan menggunakan sebuah informasi. Dengan bantuan teknologi gadget seperti tablet PC maka model pembalajaran yang akan dikembangkan pada pojok baca ini nantinya akan terdapat beberapa games edukasi, tetapi pada pojok baca ini juga terdapat beberapa buku bacaan agar anak-anak dapat menyukai membaca dari beberapa buku. Dengan adanya program Pojok Baca Berbasis Teknologi ini telah berhasil meningkat minat baca anak-anak serta dapat meningkatkan kemajuan berfikir dan kreatifitas anak-anak dilingkungan yang menjadi objek penelitian. Serta dapat disimpulkan pula dengan adanya pojok digital ini dapat mendorong pemikiran positif anak-anak dalam memanfaatkan gadget serta alat-alat teknologi lainnya. Kata Kunci: Pojok, Baca, Digital
Implementasi Local Binary Pattern (LBP) dan Dropout Convolutional Neural Network untuk Deteksi Dini Penyakit Kulit Putra, Erwin Dwika; Hadiguna Setiawan
JCOSIS (Journal Computer Science and Information Systems) Vol. 2 No. 2 (2025): Oktober
Publisher : Institute for Research and Community Service

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61567/jcosis.v2i2.253

Abstract

Deteksi dini penyakit kulit merupakan langkah penting dalam upaya pencegahan dan penanganan dini penyakit berbahaya seperti melanoma. Penelitian ini bertujuan untuk mengembangkan model deteksi otomatis penyakit kulit berbasis citra dengan menggabungkan Local Binary Pattern (LBP) dan Dropout Convolutional Neural Network (CNN). Dataset yang digunakan adalah HAM10000, yang terdiri dari berbagai jenis citra lesi kulit beresolusi tinggi. Proses penelitian meliputi tahapan preprocessing (normalisasi, cropping, dan augmentasi), ekstraksi ciri tekstur menggunakan LBP, serta klasifikasi menggunakan CNN dengan mekanisme dropout untuk mencegah overfitting. Model dievaluasi menggunakan metrik Accuracy, Precision, Recall, dan F1-Score. Hasil penelitian menunjukkan bahwa kombinasi LBP + Dropout CNN memberikan peningkatan signifikan dibandingkan CNN konvensional. Model usulan berhasil mencapai akurasi sebesar 99.45%, precision 99.21%, recall 99.43%, dan F1-Score 99.32%. Penerapan LBP meningkatkan kemampuan model dalam mengenali tekstur mikro pada permukaan kulit, sedangkan dropout meningkatkan kemampuan generalisasi model. Dengan hasil tersebut, metode yang diusulkan terbukti efektif untuk deteksi dini penyakit kulit secara otomatis dan berpotensi diterapkan dalam sistem Computer-Aided Diagnosis (CADx) berbasis kecerdasan buatan, baik di lingkungan klinis maupun aplikasi mobile untuk deteksi mandiri.