cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Vina Zahrotun Kamila
Contact Email
atasi.jurnal@gmail.com
Phone
+6285740181270
Journal Mail Official
atasi.jurnal@gmail.com
Editorial Address
Department Information Systems Mulawarman University Jl. Sambaliung, Sempaja Sel., Kec. Samarinda Utara, Kota Samarinda, Kalimantan Timur 75242
Location
Kota samarinda,
Kalimantan timur
INDONESIA
Adopsi Teknologi dan Sistem Informasi
Published by Universitas Mulawarman
ISSN : -     EISSN : 29627095     DOI : https://doi.org/10.30872/
Core Subject : Science,
Computer Science & IT
This journal covers the field of publications on information systems which include: - Adoption Technology - Information Systems - E-commerce - E-Goverment - E-Learning - Analysis & Design of Information System - Enterprise Systems - Supply Chain Management
Arjuna Subject : Ilmu Komputer (semua kategori) - Aplikasi Ilmu Komputer
Articles 122 Documents
 9   10   11   12   13 
Klasifikasi Batu Ginjal Berbasis MobileNetv2 Graph Neural Network dengan Perbandingan Fungsi Aktivasi Akhmad Irsyad; Muhammad Rivani; Muhammad Fawaz Saputra; Muhammad Zulfariansyah; Muhammad Yusril Arjulio Prayitno; Muhammad Ari Prayogo
Adopsi Teknologi dan Sistem Informasi (ATASI) Vol. 5 No. 2 (2026): Adopsi Teknologi dan Sistem Informasi (ATASI)
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/atasi.v5i2.5017

Abstract

Batu ginjal merupakan gangguan urologi yang umum dan dapat menimbulkan komplikasi serius apabila tidak terdeteksi secara tepat. Interpretasi citra computed tomography (CT) secara manual masih menghadapi kendala akibat ukuran batu yang kecil, kontras rendah, serta variasi citra antar pasien. Penelitian ini mengusulkan model klasifikasi batu ginjal pada citra CT yang menggabungkan MobileNetV2 sebagai backbone ekstraksi fitur dengan graph module berbasis GraphConvLayer untuk mempelajari relasi antarfitur. Citra melalui tahap preprocessing dan augmentasi data sebelum diklasifikasikan melalui GlobalAveragePooling2D, dense layer, dan classifier head. Penelitian ini juga membandingkan dua fungsi aktivasi, yaitu ReLU dan  Swish, guna mengetahui pengaruhnya terhadap kinerja model. Hasil pengujian menunjukkan bahwa ReLU memberikan performa terbaik dengan akurasi 96,59%, presisi 96,94%, recall 96,59%, dan skor F1 96,67%, sedangkan Swish mencapai AUC-ROC tertinggi sebesar 99,74%. Temuan ini menegaskan bahwa pemilihan fungsi aktivasi berpengaruh signifikan terhadap kinerja arsitektur MobileNetV2-Graph dalam klasifikasi batu ginjal, dengan ReLU sebagai konfigurasi paling stabil dan efektif.
Estimasi Gerakan Olahraga Push Up Menggunakan Multilayer Perceptron Classifier dan Mediapipe Pose Bimasakti Cahyo Utomo; Awang Harsa Kridalaksana; Muhammad Ibadurrahman Arrasyid Supriyanto; Chalsi Mala Sari; Hidayatul Muttaqien; Muhammad Labib Jundillah; Vina Zahrotun Kamila
Adopsi Teknologi dan Sistem Informasi (ATASI) Vol. 5 No. 2 (2026): Adopsi Teknologi dan Sistem Informasi (ATASI)
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/atasi.v5i2.5102

Abstract

Olahraga push up sangat diminati masyarakat untuk melatih kekuatan otot lengan dan dada. Penelitian ini bertujuan mengembangkan dan mengevaluasi model berbasis Multilayer Perceptron (MLP) dan MediaPipe Pose untuk mengestimasi teknik gerakan push up. Model memanfaatkan keypoints tubuh manusia yang diekstrak dari dataset gambar, yang diklasifikasikan ke dalam tiga kelas: fase ascend, descend, dan non-pushup. Pengujian model menggunakan confusion matrix dan macro average menunjukkan akurasi sebesar 89,8%, serta nilai recall, precision, dan F1-score masing-masing sebesar 88,8%, 89,7%, dan 89,2%. Selain itu, evaluasi kesesuaian gerakan (form) diuji menggunakan video dari tiga sudut pandang berbeda berdasarkan jumlah poin dan average confidence. Hasilnya menunjukkan performa model paling optimal pada sudut pandang samping dan diagonal dibandingkan sudut depan. Penelitian ini berkontribusi dalam menyediakan model berbasis keypoints untuk mendeteksi form push up secara lebih objektif.

Page 13 of 13 | Total Record : 122

 9   10   11   12   13 

Filter by Year

2022 2026


Reset
Filter By Issues
All Issue Vol. 5 No. 2 (2026): Adopsi Teknologi dan Sistem Informasi (ATASI) Vol. 5 No. 1 (2026): Adopsi Teknologi dan Sistem Informasi (ATASI) Vol. 4 No. 2 (2025): Adopsi Teknologi dan Sistem Informasi (ATASI) Vol. 4 No. 1 (2025): Adopsi Teknologi dan Sistem Informasi (ATASI) Vol. 3 No. 2 (2024): Adopsi Teknologi dan Sistem Informasi (ATASI) Vol. 3 No. 1 (2024): Adopsi Teknologi dan Sistem Informasi (ATASI) Vol. 2 No. 2 (2023): Adopsi Teknologi dan Sistem Informasi (ATASI) Vol. 2 No. 1 (2023): Adopsi Teknologi dan Sistem Informasi (ATASI) Vol. 1 No. 2 (2022): Adopsi Teknologi dan Sistem Informasi (ATASI) Vol. 1 No. 1 (2022): Adopsi Teknologi dan Sistem Informasi (ATASI)