Claim Missing Document
Check
Articles

Found 3 Documents
Search

Pengembangan Media Interaktif Pemograman Berpikir Komputasional Erwinsyah Satria; Gustam Efendi; Zaiman Makmur; Sofarina Sofarina; Daswarman Daswarman
Journal on Teacher Education Vol. 4 No. 3 (2023): Journal on Teacher Education
Publisher : Universitas Pahlawan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jote.v4i3.12554

Abstract

Pemograman komputer merupakan satu teknologi yang dapat digunakan untuk membuat media dalam penyampaian materi pembelajaran, yang menjadi bagian sangat diperlukan dalam pendidikan saat ini. Dengan teknologi pemograman komputer, pembelajaran bisa menggunakan media interaktif yang lebih menarik dan menjadikan materi lebih mudah untuk dipahami oleh mahasiswa, dan juga dapat diakses kapanpun melalui internet. Fokus penelitian terletak pada pengembangan aplikasi media interaktif dengan pemograman Scratch yang berbasis blok untuk materi berpikir komputasional di tingkat perguruan tinggi agar mudah dipahami oleh mahasiswa. Aplikasi media interaktif dibuat melalui metode DDR dengan model ADDIE. Melalui observasi dan angket data diambil dalam penelitian dan dianalisis secara kuantitatif descriptif. Dari analisis kebutuhan, dan pengujian dengan mahasiswa dan ahli materi menunjukkan bahwa aplikasi media interaktif untuk pembelajaran berpikir komputasional dapat menjadi pilihan lain bagi mahasiswa dan dosen dalam mendukung materi perkuliahan di perguruan tinggi, dan dapat meningkatkan keterampilan berpikir komputasional mahasiswa dalam hal pemograman menggunakan aplikasi Scratch.
Sistem Pakar Diagnosa Penyakit Berbasis Metode Naive Bayes dengan Mekanisme Adaptive Questioning menggunakan Platform Web Cherlis Meytha Pandoju; Gustam Efendi; Zaiman Makmur; Sofarina; Charles Butar Butar
EPIC Journal of Electrical Power Instrumentation and Control Vol 8 No 2 (2025): EPIC
Publisher : Universitas Pamulang, Prodi teknik Elektro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/epic.v8i2.58695

Abstract

Keterbatasan pemahaman masyarakat terhadap gejala penyakit sering menyebabkan keterlambatan penanganan medis. Di sisi lain, sebagian sistem pakar diagnosis masih menggunakan pola pertanyaan tetap sehingga proses konsultasi menjadi panjang dan kurang efisien. Penelitian ini bertujuan merancang aplikasi diagnosis awal penyakit berbasis web yang mampu menyesuaikan pertanyaan secara dinamis serta menghitung kemungkinan penyakit secara probabilistik. Metode Naive Bayes digunakan untuk menentukan tingkat peluang penyakit berdasarkan gejala yang dipilih pengguna, sedangkan mekanisme adaptive questioning berfungsi menyeleksi pertanyaan yang paling relevan sehingga konsultasi dapat dihentikan ketika tingkat keyakinan telah tercapai. Pengetahuan medis direpresentasikan dalam bentuk aturan dan bobot gejala yang disimpan pada struktur data JSON agar sistem ringan dan mudah diperbarui. Aplikasi dibangun menggunakan teknologi web sisi klien sehingga dapat dijalankan tanpa instalasi tambahan. Pengujian menunjukkan sistem mampu memberikan hasil diagnosis awal dengan jumlah pertanyaan lebih sedikit dibanding pendekatan konvensional, serta tetap mempertahankan ketepatan klasifikasi yang memadai. Dengan demikian, sistem yang dikembangkan dapat dimanfaatkan sebagai sarana skrining awal sekaligus media edukasi kesehatan sebelum pengguna berkonsultasi langsung dengan tenaga medis.
Klasifikasi Citra Buah Apel Multikelas Menggunakan Transfer Learning dan Implementasi Inferensi Berbasis Web Sri Aryanti; Gustam Efendi; Yanti Setiyowati; Charles Butar Butar; Hendriyanto
EPIC Journal of Electrical Power Instrumentation and Control Vol 8 No 2 (2025): EPIC
Publisher : Universitas Pamulang, Prodi teknik Elektro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/epic.v8i2.58702

Abstract

Pesatnya perkembangan teknologi kecerdasan buatan membuka peluang besar dalam modernisasi sektor hortikultura, khususnya pada otomatisasi identifikasi komoditas. Penelitian ini bertujuan untuk mengintegrasikan metode transfer learning ke dalam sistem klasifikasi citra buah apel multikelas yang terhubung dengan layanan inferensi berbasis web. Permasalahan utama yang diangkat adalah ketergantungan industri pada proses identifikasi varietas secara konvensional yang memiliki risiko tinggi terhadap subjektivitas manusia, inefisiensi waktu, dan kesalahan penentuan jenis. Metodologi penelitian ini menerapkan pendekatan deep learning dengan memanfaatkan arsitektur Convolutional Neural Network (CNN) melalui teknik transfer learning untuk mengenali enam varietas apel unggulan. Pengembangan sistem dilakukan dengan membangun antarmuka web menggunakan bahasa pemrograman PHP yang berfungsi menjembatani pengguna dengan model prediktif melalui Hugging Face Inference API. Mekanisme ini memungkinkan pemrosesan data citra dilakukan secara real-time tanpa memerlukan komputasi lokal yang berat. Hasil pengujian menunjukkan bahwa penggabungan model pembelajaran mendalam dengan infrastruktur berbasis cloud mampu menghasilkan sistem klasifikasi yang tidak hanya memiliki tingkat akurasi tinggi, tetapi juga menawarkan kemudahan akses bagi pengguna akhir. Implementasi ini diharapkan dapat menjadi prototipe bagi sistem penyortiran buah otomatis yang lebih efisien dan reliabel di masa depan.