cover
Contact Name
Stralen Pratasik
Contact Email
stralente@unima.ac.id
Phone
+6285124006074
Journal Mail Official
edutik@unima.ac.id
Editorial Address
Jl. Kampus Unima, Tonsaru, Tondano Sel., Kabupaten Minahasa, Sulawesi Utara 95618
Location
Kab. minahasa,
Sulawesi utara
INDONESIA
Edutik : Jurnal Pendidikan Teknologi Informasi dan Komunikasi
ISSN : 2798141X     EISSN : 2798141X     DOI : -
Jurnal Edutik merupakan jurnal ilmiah yang diterbitkan oleh Jurusan Pendidikan Teknologi Informasi dan Komunikasi, Fakultas Teknik, Universitas Negeri Manado. Jurnal ini hadir sebagai wadah bagi para akademisi, peneliti, dan praktisi untuk mempublikasikan hasil penelitian yang berkontribusi dalam pengembangan keilmuan di bidang Pendidikan Teknologi Informasi dan Komunikasi, Teknik Informatika, Teknologi Komunikasi, serta Ilmu Komunikasi. Dengan semangat untuk mendorong kemajuan ilmu pengetahuan dan teknologi, Jurnal Edutik memberikan ruang bagi berbagai kajian yang berfokus pada inovasi dan penerapan teknologi dalam dunia pendidikan, perkembangan di bidang teknik informatika, serta dinamika komunikasi berbasis teknologi, termasuk isu-isu terkini yang berkaitan dengan kebijakan pendidikan berbasis digital, kecerdasan buatan dalam pembelajaran, keamanan data dalam sistem pendidikan modern, dan transformasi komunikasi digital di era informasi. Ruang lingkup Jurnal Edutik mencakup berbagai aspek dalam ranah Pendidikan Teknologi Informasi dan Komunikasi, termasuk pengembangan kurikulum berbasis teknologi, model pembelajaran digital, strategi implementasi e-learning yang efektif, serta teknologi pendidikan adaptif. Selain itu, jurnal ini juga mengakomodasi penelitian dalam bidang Teknik Informatika, yang meliputi Rekayasa Perangkat Lunak dengan fokus pada metode pengembangan agile, kecerdasan buatan dalam rekayasa perangkat lunak, serta integrasi cloud computing; Sistem Informasi, yang mencakup pengelolaan big data, keamanan sistem informasi, serta optimalisasi sistem berbasis blockchain; Jaringan dan Keamanan Komputer, yang menyoroti keamanan siber, deteksi ancaman siber berbasis AI, serta optimasi infrastruktur jaringan; serta Sistem Pendukung Keputusan, yang berfokus pada penerapan machine learning dalam pengambilan keputusan, sistem rekomendasi berbasis data, serta penerapan Internet of Things (IoT) dalam otomatisasi keputusan. Dalam ranah Teknologi Komunikasi, jurnal ini mencakup topik-topik seperti pengembangan infrastruktur komunikasi digital, teknologi 5G dan evolusi jaringan masa depan, integrasi media sosial dalam pengelolaan informasi, serta pemanfaatan platform komunikasi berbasis AI dalam interaksi sosial dan pendidikan. Sedangkan dalam bidang Ilmu Komunikasi, ruang lingkup meliputi kajian komunikasi digital, strategi komunikasi di era media baru, komunikasi antar budaya berbasis teknologi, penggunaan media digital dalam kampanye sosial dan pendidikan, serta dinamika perilaku komunikasi dalam masyarakat berbasis teknologi. Sebagai jurnal yang berorientasi pada perkembangan teknologi dan inovasi, Jurnal Edutik juga membuka peluang publikasi bagi penelitian terkait e-Government, termasuk transformasi digital dalam pelayanan publik, kebijakan keamanan data pemerintahan, serta pengelolaan administrasi berbasis AI; Aplikasi Mobile, dengan cakupan pengembangan aplikasi berbasis UI/UX, implementasi augmented reality dan virtual reality, serta aplikasi berbasis kesehatan dan pendidikan. Dengan cakupan yang luas dan multidisipliner, jurnal ini diharapkan menjadi referensi utama bagi para akademisi dan praktisi yang ingin menggali lebih dalam tentang peran teknologi dalam meningkatkan efektivitas pendidikan, pengembangan sistem berbasis digital, serta transformasi komunikasi modern. Melalui publikasi yang berkualitas, Jurnal Edutik berkomitmen untuk terus berkontribusi dalam penguatan keilmuan dan kemajuan teknologi di era digital.
Articles 231 Documents
Perbandingan Teknik Prapemrosesan Citra terhadap Akurasi CNN dalam Deteksi Diabetic Retinopathy Maulidiyah, Nurul; Dirgayussa, I Gde Eka; Filano, Rafli; Maulana, Yusuf
Edutik : Jurnal Pendidikan Teknologi Informasi dan Komunikasi Vol. 6 No. 2 (2026): EduTIK : April 2026
Publisher : Jurusan PTIK Universitas Negeri Manado

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Diabetic Retinopathy (DR) is a diabetes complication and the leading cause of blindness in the working-age population, affecting more than 93 million people worldwide. The quality of retinal fundus images is significantly affected by lighting conditions and contrast, making image preprocessing a critical factor that influences the accuracy of deep learning-based detection models. This study aims to compare the effect of four preprocessing techniques—original images, color Histogram Equalization (HE), grayscale HE, and Color Constancy—on the performance of a Convolutional Neural Network (CNN) based on the AlexNet architecture for DR detection. The APTOS 2019 Kaggle dataset was used, comprising 3,722 color retinal fundus images: 1,830 non-DR and 1,892 DR images. Model validation was performed using 10-Fold Cross Validation, and performance was evaluated using confusion matrix, ROC curve, accuracy, sensitivity, and specificity. Results show that original images yielded the best overall performance with accuracy of 96.10%, sensitivity of 97.98%, specificity of 94.29%, and AUC of 0.994. Grayscale HE produced the highest AUC (0.996), while Color Constancy had the lowest AUC (0.989). These findings indicate that color information in fundus images contains important discriminative features, and preprocessing does not always improve overall accuracy. The AlexNet model shows potential for implementation as a DR screening system based on Computer-Aided Diagnosis (CAD) with relatively low computational complexity