Claim Missing Document
Check
Articles

Found 3 Documents
Search

PENINGKATAN KESADARAN BAHAYA KECANDUAN GAWAI DAN CYBER BULLYING MELALUI PROGRAM MABIT DI DESA MEKARSARI KECAMATAN CILAWU Mubarok, Muhammad Syauqi; Riki Mutakin, Ripan; Syamsudin A, Khoir; Ahmad Taufik, Asep; Azkia, Azka; Ashabil Haqdu, Gezant; Agustiansyah, Yoga; Amiludin, Ikbal; Yasa Riswanda, Dede; Ruli Cahyadi, Deden; Maulana Fazri, Moch Nashrull; Salsabila, Rosa; Hanafiah, Moch Rochmat; Dhiyaaul Haq, Harish; Permata Sari, Riani; Nauri, Shilan; Subekti, Aldi; Mardiana Muttaqin, Rhama; Salman Alfarizi, Muhammad
Jurnal PkM MIFTEK Vol 5 No 2 (2024): Jurnal PkM MIFTEK
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/miftek/v.5-2.2072

Abstract

Kegiatan Malam Bina Iman dan Takwa (MABIT) yang dikombinasikan dengan literasi digital tentang bahaya penggunaan gawai berlebihan dan cyber bullying dilaksanakan sebagai bagian dari program Kuliah Kerja Nyata (KKN) mahasiswa Institut Teknologi Garut di Desa Mekarsari, Kecamatan Cilawu, Kabupaten Garut. Kegiatan ini bertujuan untuk memberikan edukasi kepada masyarakat, khususnya remaja, mengenai pentingnya menjaga akhlak terhadap orang tua dan meningkatkan kesadaran akan dampak negatif teknologi, seperti kecanduan gawai dan cyber bullying. Metode yang digunakan dalam kegiatan ini adalah Penelitian Tindakan Partisipatif, di mana peserta dilibatkan secara aktif dalam ceramah keagamaan, diskusi, jurit malam, dan sesi literasi digital. Hasil kegiatan menunjukkan adanya peningkatan pemahaman peserta tentang bahaya kecanduan gawai dan cyber bullying. Sebagian besar peserta menyatakan bahwa mereka baru sadar akan bahayanya penggunaan gawai secara berlebihan, dan banyak diantaranya menyatakan baru memahami pentingnya menjaga etika di dunia digital setelah mengikuti kegiatan ini. Program ini diharapkan dapat berkelanjutan melalui kolaborasi dengan tokoh agama dan lembaga pendidikan setempat, sehingga literasi digital dan penguatan nilai-nilai moral dapat terus ditingkatkan.
Evaluasi Pengalaman Pengguna (UX) pada Aplikasi BYOND by BSI Azkia, Azka; Jatnika, Dika
Jurnal Disrupsi Bisnis Vol. 8 No. 1 (2025): Jurnal Disrupsi Bisnis
Publisher : Prodi Manajemen, Fakultas Ekonomi, Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/drb.v8i1.47421

Abstract

Bank Syariah Indonesia (BSI) merilis aplikasi mobile banking pada tahun 2021 seperti bank besar lainnya di Indonesia. Pada tahun 2024, BSI merilis aplikasi BYOND by BSI sebagai penerus dari aplikasi sebelumnya yaitu BSI Mobile. Namun, berdasarkan ulasan dari App Store dan Google Play Store, banyak pengguna merasa kualitas sistem aplikasi tidak efisien, membingungkan, dan proses transaksi berjalan dengan lambat. Penelitian ini bertujuan untuk mengetahui bagaimana kualitas User Experience (UX) aplikasi BYOND by BSI menggunakan User Experience Questionnaire (UEQ). Hasil analisis data dari 102 responden di wilayah Jabodetabek menunjukkan nilai evaluasi positif pada 6 aspek dan kemudian dikategorikan dalam 3 kelompok dimensi. Berdasarkan hasil benchmark, variabel novelty dinilai good dan sudah sesuai standar yang diharapkan oleh responden. Sedangkan, variabel stimulation mendapatkan nilai above average, dan disusul dengan keempat variabel lainnya yang dinilai below average.
Brain Tumor Classification using Convolutional Neural Network with ResNet Architecture Fadilah, Azki; Azkia, Azka
Journal of Intelligent Systems Technology and Informatics Vol 1 No 1 (2025): JISTICS, March 2025
Publisher : Aliansi Peneliti Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64878/jistics.v1i1.8

Abstract

Brain tumors are dangerous, sometimes fatal illnesses that require prompt, accurate diagnosis to enhance patient outcomes. Given the intricacy and diversity of tumor characteristics, manual interpretation of brain MRI data is frequently laborious and prone to human error. This research aims to create an automated system for classifying brain tumors by integrating the Convolutional Neural Network (CNN) algorithm with the ResNet architecture. The suggested approach makes use of 7,023 MRI pictures that have been divided into four categories: non-tumor, pituitary tumor, meningioma, and glioma. Image normalization, grayscale conversion, scaling, and data augmentation methods, including rotation and flipping, were among the preprocessing processes used to enhance model performance. The ResNet design was chosen because it effectively trains deeper networks by utilizing residual connections to prevent vanishing gradient problems. Metrics such as F1-score, accuracy, precision, and recall were used to train and assess the system. According to the testing data, the model performed consistently across all classes and attained an outstanding accuracy of 94.14%. These results validate the promise of deep learning methods, especially CNNs with ResNet enhancements, for classification tasks involving medical images. The system created in this work is a promising tool for assisting clinical decision-making, cutting down on diagnostic time, and improving the accuracy of brain tumor identification and classification.