Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Attractive : Innovative Education Journal Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK) Jurnal Informatika Medis (J-INFORMED)
Dwi Baharna, Haryan
Universitas Muhammadiyah Muara Bungo
Computer Science & IT Control & Systems Engineering Engineering Health Professions Library & Information Science Nursing Public Health Veterinary Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
MODEL DEEP LEARNING UNTUK DETEKSI PNEUMONIA : STUDI EKSPERIMEN MENGGUNAKAN (CONVOLUTIONAL NEURAL NETWORK) ARSITEKTUR VGG16 Kurniawan, Ade Agung; Dwi Baharna, Haryan; Riko Muhammad Suri
Jurnal Informatika Medis Vol. 3 No. 2 (2025): Jurnal Informatika Medis (J-INFORMED)
Publisher : Program Studi Informatika Medis Universitas Muhammadiyah Muara Bungo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52060/im.v3i2.3847

Abstract

Pneumonia merupakan salah satu penyebab utama kematian pada anak usia di bawah lima tahun, terutama di negara dengan pendapatan rendah dan menengah. Keterbatasan tenaga kesehatan menyebabkan proses diagnosis sering terlambat, sehingga penanganan penyakit ini menjadi semakin sulit. Penelitian ini mengusulkan penerapan Convolutional Neural Network (CNN) dengan arsitektur VGG16 untuk melakukan deteksi pneumonia secara otomatis melalui citra rontgen dada. Metode ini dipilih karena kemampuannya dalam mengekstraksi fitur penting dari citra dengan efisien. Dataset yang digunakan berisi citra rontgen dada dengan dua kategori, yakni pneumonia dan normal. Model VGG16 diterapkan menggunakan teknik transfer learning guna mengatasi jumlah data pelatihan yang terbatas. Hasil pengujian menunjukkan bahwa model mencapai akurasi 96,42%, precision 96,36%, dan F1-Score 97,58%. Dibandingkan dengan penelitian terdahulu, performa model ini mengalami peningkatan yang signifikan, baik dari sisi akurasi maupun keseimbangan antara presisi dan recall. Selain itu, pendekatan ini mampu meminimalkan overfitting yang sering terjadi pada model lain, sehingga lebih stabil dan layak diterapkan dalam praktik. Dengan demikian, model VGG16 yang dikembangkan berpotensi menjadi solusi yang efektif untuk membantu tenaga medis dalam mendeteksi pneumonia secara cepat dan akurat, serta dapat diperluas untuk identifikasi penyakit paru-paru lainnya.
Penerapan Algoritma K-Nearest Neighbor (KNN) untuk Personalisasi Produk pada E-Commerce Menggunakan Pendekatan User-User Collaborative Filtering Haryan Dwi Baharna; Yeyi Gusla Nengsih; Hermanto
Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK) Vol. 4 No. 1 (2026): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK)
Publisher : Universitas Muhammadiyah Muara Bungo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52060/juptik.v4i1.4300

Abstract

Pertumbuhan pesat sektor e-commerce menuntut adanya personalisasi untuk memitigasi kelebihan informasi dan mendorong keterlibatan pelanggan. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi sistem rekomendasi menggunakan algoritma K-Nearest Neighbor (KNN) dengan pendekatan User-User Collaborative Filtering. Studi ini menggunakan dataset Online Retail UCI yang mencakup 541.909 transaksi dari peritel berbasis di Inggris. Metodologi penelitian meliputi pembersihan data deterministik, konstruksi matriks interaksi pengguna-item biner, dan penerapan kemiripan kosinus untuk mengidentifikasi lingkungan tetangga. Rekomendasi dihasilkan menggunakan rata-rata tertimbang kemiripan untuk  tetangga. Hasil empiris menunjukkan bahwa sistem mencapai Average Precision@5 sebesar 0,0915, Average Recall@5 sebesar 0,0575, dan Hit Rate yang signifikan sebesar 0,3437. Temuan ini mengindikasikan bahwa model KNN dengan 10 tetangga tiga kali lebih akurat dibandingkan dengan model dasar satu tetangga. Hit Rate yang tinggi menunjukkan bahwa sistem ini layak secara strategis untuk meningkatkan penjualan silang (cross-selling) dan ROI pemasaran secara keseluruhan dalam lingkungan ritel dunia nyata.
Integrating Python Programming into Contextual Project Learning to Foster University Students' Learning Outcomes Puput Wahyu Hidayat; Haryan Dwi Baharna; Antok Kurniawan; Mutiara Syafa Maharani Putri
Attractive : Innovative Education Journal Vol. 7 No. 3 (2025): Attractive : Innovative Education Journal
Publisher : CV. Creative Tugu Pena

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51278/aj.v7i3.2845

Abstract

Improving university students' learning outcomes in mathematics requires instructional approaches that promote active engagement, meaningful learning, and the integration of digital technologies. Python programming has recently gained attention as an educational tool for supporting computational problem-solving and conceptual understanding. This study aimed to examine the effect of integrating Python programming into contextual project learning on university students' learning outcomes. A quasi-experimental research design employing a non-equivalent control group was conducted involving 58 undergraduate students enrolled in the Basic Concepts of Mathematics course at Universitas Muhammadiyah Muara Bungo, Indonesia. The experimental group consisted of 30 students who participated in Python-integrated contextual project learning, while the control group comprised 28 students who received conventional instruction. Students' learning outcomes were measured using pretest and posttest achievement tests. The data were analyzed using descriptive statistics, the Shapiro-Wilk normality test, Levene's homogeneity test, and the Mann-Whitney U test because the posttest scores were not normally distributed. The findings indicated that there was no significant difference in students' initial abilities before the intervention, whereas the posttest results revealed a significant difference between the experimental and control groups in favor of the experimental group (p < .05). The integration of Python programming into contextual project learning enabled students to engage more actively in contextual problem-solving, computational exploration, and collaborative project activities, resulting in improved learning outcomes. These findings suggest that integrating Python programming into contextual project learning provides an effective instructional approach for enhancing university students' mathematics learning outcomes in higher education.
Co-Authors Antok Kurniawan Hermanto Kurniawan, Ade Agung Mutiara Syafa Maharani Putri Puput Wahyu Hidayat Riko Muhammad Suri Yeyi Gusla Nengsih