Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Teknik Informatika (JUTIF) Darma Diksani: Jurnal Pengabdian Ilmu Pendidikan, Sosial, dan Humaniora
Maulana, Muh Royan Fauzi
Unknown Affiliation
Computer Science & IT Languange, Linguistic, Communication & Media Social Sciences Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Pelatihan AI untuk Pariwisata Budaya Lokal dalam Proyek P5 Kurikulum Merdeka : Training on Utilizing AI Tools to Promote Local Cultural Tourism within the Pancasila Learner Profile Project (P5) of Merdeka Curriculum in Indonesia Karim, Arman Suryadi; Melda Agarina; Susanti, Susanti; Sutedi, Sutedi; Maulana, Muh Royan Fauzi; Purnomo, Hendri
DARMADIKSANI Vol 5 No 1 (2025): Edisi Juni
Publisher : Jurusan Pendidikan Bahasa dan Seni, FKIP, Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/darmadiksani.v5i1.6808

Abstract

Pengabdian kepada Masyarakat ini bertujuan untuk meningkatkan potensi pengetahuan dan keterampilan siswa SMA dalam memanfaatkan kecerdasan buatan (AI) untuk mempromosikan pariwisata lokal sebagai bagian dari Projek Penguatan Profil Pelajar Pancasila (P5). Pelatihan yang diberikan berfokus pada penggunaan AI dalam pembuatan desain poster, video, audio, dan copywriting yang menarik. Hasil kegiatan ini menunjukkan bahwa pelatihan ini berhasil meningkatkan pemahaman siswa tentang konsep dan pengaplikasian AI, serta kemampuan mereka dalam menciptakan konten promosi yang kreatif dan relevan. Selain itu, pelatihan ini juga berkontribusi pada pengembangan Profil Pelajar Pancasila, khususnya pada dimensi berkarya dan berteknologi. Dengan demikian, kegiatan Pengabdian kepada Masyarakat ini menyoroti pentingnya integrasi teknologi AI dalam pendidikan guna mendukung pengembangan kompetensi abad ke-21 serta mendorong partisipasi aktif siswa dan dalam pembangunan daerah. Agar dampak kegiatan ini lebih berkelanjutan, disarankan adanya pendampingan lanjutan bagi siswa dan guru dalam pengembangan konten digital berbasis AI, serta kolaborasi dengan pemerintah daerah dan pelaku industri pariwisata untuk mempublikasikan hasil karya siswa secara lebih luas. Selain itu, pelatihan serupa dapat diperluas ke sekolah-sekolah lain di wilayah berbeda guna memperkuat kapasitas generasi muda dalam menghadapi tantangan era digital secara kreatif dan produktif.
Brain Tumor Auto Segmentation On 3D MRI Using Deep Neural Network Agarina, Melda; Maulana, Muh Royan Fauzi; Sutedi, Sutedi; Karim, Arman Suryadi
Jurnal Teknik Informatika (Jutif) Vol. 6 No. 5 (2025): JUTIF Volume 6, Number 5, Oktober 2025
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2025.6.5.5106

Abstract

Accurate and automated segmentation of brain tumours from Magnetic Resonance Imaging (MRI) is crucial for clinical diagnosis and treatment planning, yet it remains a significant challenge due to tumour heterogeneity and data imbalance. This research investigation examines the effectiveness of a 3D UNet architecture for the segmentation of brain tumours utilizing MRI imaging modalities. The research employs the BRATS 2021 dataset, which consists of 675 MRI datasets across four distinct imaging modalities (FLAIR, T1-Weighted, T1-Contrast, and T2-Weighted) and encompasses four distinct segmentation label classes. The employed model integrated soft dice loss and dice coefficient as its loss functions, with the objective of achieving convergence despite the presence of imbalanced data. While constraints related to resources limited the training process, the model yielded promising outcomes, exhibiting high accuracy (99.43%) and specificity (99.5%), The model aids medical professionals in understanding tumor growth and enhances treatment planning via segmentation predictions in surgery. Nevertheless, the sensitivity, particularly concerning non-enhancing tumour classes, persists as a significant challenge, underscoring the necessity for future research to concentrate on data-centric methodologies and enhanced pre-processing techniques to improve model efficacy in critical medical applications such as the segmentation of brain tumours.
Co-Authors Arman Suryadi Karim, Arman Suryadi Hendri Purnomo Melda Agarina Susanti Susanti Sutedi Sutedi