Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Journal of Education Research TECHNOMEDIA : Informatics and Computer Science
Waruwu, Kalfinus
Unknown Affiliation
Humanities Computer Science & IT Education Mathematics Social Sciences

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

Found 2 Documents
Search

 1 
Analisis Efektivitas dalam Menentukan Nilai Kualitas Layanan Jaringan Internet Menggunakan Metode AHP Waruwu, Kalfinus; Hendrik, Billy
Journal of Education Research Vol. 6 No. 4 (2025)
Publisher : Perkumpulan Pengelola Jurnal PAUD Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37985/jer.v6i4.2311

Abstract

Optimalisasi bandwidth dalam jaringan masih menjadi tantangan bagi lingkungan pendidikan atau industri, terutama dalam distribusi yang sesuai dengan kebutuhan yang beragam. Dengan tujuan menggunakan metode AHP ini untuk dapat memastikan distribusi yang tepat berdasarkan kebutuhan jaringan dan pengguna. Melalui analisis hierarki, AHP memungkinkan analisis multikriteria untuk menentukan faktor-faktor seperti jenis aplikasi (VoIP, streaming, transfer data), jumlah pengguna, dan durasi penggunaan jaringan. Tidak seperti penelitian sebelumnya yang hanya berfokus pada perbandingan prioritas aplikasi secara statis, penelitian ini mengusulkan model dinamis yang memungkinkan penyesuaian bobot kriteria secara adaptif sesuai dengan kondisi jaringan secara real-time. Dengan menerapkan AHP ini dibandingkan dengan teknik lain berdasarkan kemampuannya memberikan kesimpulan berdasarkan fakta yang objektif dan konsisten. Hasil analisis menunjukkan bahwa menghasilkan sistem distribusi bandwidth yang lebih presisi, memastikan alokasi optimal bagi aplikasi kritikal seperti e-learning, konferensi video, dan penelitian berbasis cloud. AHP merupakan solusi yang fleksibel dan efektif untuk mengoptimalkan bandwidth di lingkungan pendidikan atau industri.
IMPLEMENTASI MODEL CONVOLUTIONAL NEURAL NETWORK RESNET50 PADA PENYAKIT MATA DARI CITRA FUNDUS Waruwu, Kalfinus; Syafri Arlis
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 3 No 1 (2026): Januari
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v3i1.160

Abstract

Kondisi mata seperti katarak, glaukoma, dan retinopati diabetik merupakan penyebab utama kebutaan di dunia. Deteksi dini melalui analisis citra fundus retina sangat penting untuk mencegah komplikasi lebih lanjut. Studi ini merancang sistem klasifikasi penyakit mata berbasis citra retina menggunakan arsitektur Convolutional Neural Network (CNN) ResNet50 dengan pendekatan transfer learning. Dataset yang digunakan berasal dari Kaggle, berjumlah 4.217 citra fundus, dan diklasifikasikan ke dalam empat kategori: normal, katarak, glaukoma, dan retinopati diabetik. Proses pelatihan dilakukan dengan rasio data 80:10:10 untuk training, validasi, dan pengujian. Hasil evaluasi menunjukkan performa tinggi dengan akurasi keseluruhan mencapai 94%, didukung oleh nilai precision, recall, dan F1-score yang optimal, khususnya pada kelas diabetic retinopathy dengan hasil sempurna (1.00). Meskipun demikian, kelas glaukoma masih menghadapi kesulitan klasifikasi akibat kemiripan visual dengan kelas normal. Kontribusi utama penelitian ini terletak pada implementasi ResNet50 yang terbukti efektif dalam mendeteksi penyakit mata berbasis citra fundus secara otomatis, sekaligus memberikan dasar ilmiah untuk pengembangan sistem pendukung keputusan klinis di bidang oftalmologi. Dengan demikian, studi ini tidak hanya menunjukkan keandalan model deep learning dalam diagnosis medis, tetapi juga membuka peluang penerapan lebih luas pada deteksi dini penyakit mata untuk meningkatkan kualitas layanan kesehatan.
Co-Authors Hendrik, Billy Syafri Arlis