Laporan Pengabdian Kepada Masyarakat (Mandiri) http://repository.iti.ac.id/jspui/handle/123456789/188 2026-04-22T08:24:13Z 2026-04-22T08:24:13Z Indriasari, Melani Tri Darmawan, Bimo http://repository.iti.ac.id/jspui/handle/123456789/2277 2024-08-28T08:13:20Z 2024-01-01T00:00:00Z

Penerapan Metode User Centered Design pada Pengembangan Front-End Platform Pembelajaran Berbasis Website PT. BISA ARTIFISIAL INDONESIA Indriasari, Melani; Tri Darmawan, Bimo PT. Bisa Artifisial Indonesia, sebuah startup di bidang edutech, mengembangkan platform pembelajaran daring, Bisa AI Academy, yang fokus pada Kecerdasan Artifisial (AI) dan Ilmu Data. Salah satu produk utamanya adalah Bisa AI Academy, sebuah platform pembelajaran daring. Namun, website ini masih memiliki kekurangan dalam alur User Experience-nya, sehingga User Interface dan User Experience-nya masih perlu ditingkatkan. Untuk meningkatkan pengalaman pengguna, dilakukan penelitian dengan melibatkan observasi dan wawancara dengan staf perusahaan. Permasalahan yang diidentifikasi kemudian diselesaikan melalui evaluasi perancangan baru dengan metode User Centered Design (UCD), melalui proses wireframe hingga prototype. Evaluasi dilakukan oleh staf berpengalaman dan pengujian menggunakan beberapa metode seperti black box testing, system usability testing, dan UI performance testing. Hasil evaluasi menunjukkan peningkatan signifikan dalam usability dan kepuasan pengguna, dengan rata-rata SUS score 88,33 dan rating "Excellent". Penelitian ini berkontribusi pada peningkatan usability dan pengalaman pengguna dalam konteks pembelajaran daring, serta memberikan panduan bagi pengembangan website edutech lainnya.

2024-01-01T00:00:00Z Sulistyowati, Sulistyowati http://repository.iti.ac.id/jspui/handle/123456789/2276 2024-08-28T07:44:43Z 2024-08-01T00:00:00Z

Implementasi Machine Learning Dalam Sistem Pakar Diagnostik Sulistyowati, Sulistyowati Transformasi Digital di bidang kesehatan dapat diketahui salah satunya dengan berkembangnya aplikasi Sistem Pakar Diagnostik. Sistem Pakar Diagnostik bisa menjembatani penderita suatu penyakit dengan seorang pakar. Jadi sebelum bertemu atau berkonsultasi dengan seorang pakar, seseorang bisa terlebih dahulu mengetahui diagnosa awal terkait kemungkinan penyakit yang dideritanya, yaitu dengan menggunakan aplikasi Sistem Pakar. Dalam Penelitian ini dibangun Sistem Pakar Diagnostik untuk mendiagnosa apakah seorang perokok aktif atau pasif mengidap suatu penyakit tertentu terkait dengan aktivitas merokoknya. Aplikasi dibangun dengan memanfaatkan teknologi machine learning dan mengimplementasikan model algoritma randomforest. Model dilatih dengan menggunakan dataprimer yang dikumpulkan dengan cara melempar kuesioner dan diperoleh 184 respon responden. Adapun poin poin pertanyaan dalam kuesioner divalidasi terlebih dahulu oleh seorang pakar. Hasil evaluasi model menunjukkan pencapaian akurasi sebesar 94%. Selanjutnya dikembangkan aplikasi dalam bentuk aplikasi berbasis web dengan menggunakan framework Python Flask.

2024-08-01T00:00:00Z Soleh, Muhamad Rifaldi Aldiansyah, Dandi http://repository.iti.ac.id/jspui/handle/123456789/2275 2024-08-28T07:30:26Z 2024-08-01T00:00:00Z

IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI CITRA XRAY PARU-PARU DALAM SISTEM APLIKASI PENDETEKSI TUBERKULOSIS Soleh, Muhamad; Rifaldi Aldiansyah, Dandi Tuberkulosis merupakan suatu penyakit infeksi berbahaya mematikan pada paru-paru dan disebabkan oleh bakteri Mycobacterium tuberculosis yang dapat menular melalui udara ketika seorang penderita tuberkulosis batuk, bersin, atau meludah dan dapat menyebabkan gangguan pernapasan, seperti batuk kronis dan sesak napas. Didunia, sekitar 10 juta orang lebih setiap tahun terjangkit penyakit ini, sementara di Indonesia sendiri pada tahun 2020 terdapat 390.000 lebih kasus tuberkulosis. Pada diagnosisnya sering terlalu subjektif dalam mendeteksi tuberkulosis, tak jarang juga terjadi perdebatan antara tenaga medis atau dokter unutk menetapkan pasien terinfeksi tuberkulosis. Oleh karena itu, dibutuhkan teknologi computer vision yang dapat mendeteksi secara akurat dan cepat. Algoritma CNN yang termasuk jenis Deep Learning yang banyak diterapkan pada klasifikasi citra dan dapat mengungguli metode lainnya dapat dijadikan metode dalam mendeteksi citra. Maka, dalam penelitian ini dilakukan analisis model dan klasifikasi tuberkulosis dengan algoritma CNN mengggunakan data citra X-ray paru-paru manusia. Pada penelitian ini metode yang digunakan adalah CRIPS-DM dan dilakukan perbandingan 3 model CNN dengan jumlah hidden layers yang berbeda. Sebelum komputer melatih data, data tersebut diolah terlebih dahulu pada tahapan data preparation yang diantaranya mengubah ukuran atau resize, merubah citra menjadi keabuan atau grayscaling, dan data augmentation. Hasil penelitian ini menunjukan bahwa model dengan 5 hidden layers merupakan model terbaik yang berhasil mendapatkan tingkat akurasi hingga 98%. Selanjutnya, hasil dari model terbaik tersebut diimplementasikan pada sistem aplikasi pendeteksi tuberkulosis berbasis website yang dapat menganalisis citra X-ray paru-paru dan mengeluarkan hasil klasifikasi dengan cepat dan akurat.

2024-08-01T00:00:00Z Andri, Sumiarti http://repository.iti.ac.id/jspui/handle/123456789/2274 2024-08-28T07:21:53Z 2024-08-28T00:00:00Z

IMPLEMENTASI SISTEM INFORMASI GEOGRAFIS PADA MARKETPLACE WARUNG SEMBAKO Andri, Sumiarti

2024-08-28T00:00:00Z