Article Per Year (5 Year)
p-Index From 2019 - 2024
0.408
P-Index
This Author published in this journals
All Journal JRIIN :Jurnal Riset Informatika dan Inovasi
Kencana, Dewi
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management

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

Found 2 Documents
Search
Journal : JRIIN :Jurnal Riset Informatika dan Inovasi

 1 
Pengembangan Aplikasi Absensi Karyawan Menggunakan Geolocation Heriana, Alisa; Kencana, Dewi; Salomo, Niko; Fajari, Raihan; Mufti Prasetiyo, Sofyan
Jurnal Riset Informatika dan Inovasi Vol 2 No 3 (2024): JRIIN: Jurnal Riset Informatika dan Inovasi (FORTCOMING ISSUE)
Publisher : shofanah Media Berkah

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

Abstract

Pengembangan aplikasi absensi mobile menggunakan teknologi geolocation bertujuan untuk meningkatkan efisiensi dan akurasi dalam manajemen kehadiran. Sistem absensi tradisional sering mengalami ketidakakuratan dan rentan terhadap kegiatan penipuan. Dengan memanfaatkan teknologi geolocation, aplikasi ini bertujuan untuk meningkatkan kenyamanan pengguna dan mengurangi aktivitas penipuan dalam proses absensi. Metode yang diusulkan mengintegrasikan fitur-fitur geolocation yang tersedia pada perangkat mobile untuk menentukan lokasi fisik pengguna secara akurat selama proses absensi. Makalah ini membahas pernyataan masalah, metode yang diusulkan, dan hasil dari penerapan metode tersebut. Metode tersebut menjamin kualitas perangkat lunak melalui analisis yang ketat terhadap kebutuhan pengguna, desain antarmuka yang intuitif, dan fitur keamanan yang kuat untuk memvalidasi lokasi pengguna. Aplikasi ini berhasil mencapai tingkat akurasi dan keandalan yang lebih tinggi dalam pencatatan kehadiran, yang menghasilkan proses administrasi yang lebih efisien dan kepuasan pengguna yang meningkat.
Penerapan Teknik Transfer Learning Dalam Meningkatkan Kinerja Pengenalan Lesi Kanker Pada Citra MRI Heriana, Alisa; Kencana, Dewi; Salomo, Niko; Fajari, Raihan; Saifudin, Aries
Jurnal Riset Informatika dan Inovasi Vol 2 No 4 (2024): JRIIN: Jurnal Riset Informatika dan Inovasi (FORTCOMING ISSUE)
Publisher : shofanah Media Berkah

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

Abstract

Dalam beberapa tahun terakhir, teknik deep learning telah menunjukkan keberhasilan yang luar biasa dalam berbagai tugas visi komputer, termasuk analisis citra medis. Paper ini menyelidiki penerapan transfer learning, sebuah teknik deep learning populer, untuk meningkatkan kinerja deteksi lesi pada citra MRI untuk diagnosis kanker. Kami mengeksplorasi efektivitas model Convolutional Neural Network (CNN) yang telah dilatih sebelumnya, seperti VGG16 dan ResNet, dalam mengekstraksi fitur-fitur bermakna dari citra MRI. Hasil eksperimen kami menunjukkan bahwa fine-tuning model CNN yang telah dilatih sebelumnya pada dataset MRI yang relatif kecil dapat secara signifikan meningkatkan akurasi dan keandalan deteksi lesi. Pendekatan yang diusulkan tidak hanya mencapai kinerja yang superior dibandingkan dengan metode tradisional tetapi juga menunjukkan potensi yang menjanjikan untuk diterapkan secara praktis di pengaturan klinis. Penelitian ini berkontribusi pada upaya berkelanjutan dalam memanfaatkan kecerdasan buatan untuk membantu radiolog dalam mendiagnosis kanker secara lebih akurat dan efisien.
Co-Authors Aries Saifudin Fajari, Raihan Heriana, Alisa Mufti Prasetiyo, Sofyan Salomo, Niko