TECHNOMEDIA : Informatics and Computer Science

IMPLEMENTASI MODEL CONVOLUTIONAL NEURAL NETWORK BERBASIS ARSITEKTUR RESNET50 UNTUK KLASIFIKASI PADA PENYAKIT MATA DARI CITRA FUNDUS RETINA

Kalfinus Waruwu, Syafri Arlis — Sat, 31 Jan 2026 00:00:00 +0700

Kondisi mata seperti katarak, glaukoma, dan retinopati diabetik merupakan penyebab utama kebutaan di dunia. Deteksi dini melalui analisis citra fundus retina sangat penting untuk mencegah komplikasi lebih lanjut. Studi ini merancang sistem klasifikasi penyakit mata berbasis citra retina menggunakan arsitektur Convolutional Neural Network (CNN) ResNet50 dengan pendekatan transfer learning. Dataset yang digunakan berasal dari Kaggle, berjumlah 4.217 citra fundus, dan diklasifikasikan ke dalam empat kategori: normal, katarak, glaukoma, dan retinopati diabetik. Proses pelatihan dilakukan dengan rasio data 80:10:10 untuk training, validasi, dan pengujian. Hasil evaluasi menunjukkan performa tinggi dengan akurasi keseluruhan mencapai 94%, didukung oleh nilai precision, recall, dan F1-score yang optimal, khususnya pada kelas diabetic retinopathy dengan hasil sempurna (1.00). Meskipun demikian, kelas glaukoma masih menghadapi kesulitan klasifikasi akibat kemiripan visual dengan kelas normal. Kontribusi utama penelitian ini terletak pada implementasi ResNet50 yang terbukti efektif dalam mendeteksi penyakit mata berbasis citra fundus secara otomatis, sekaligus memberikan dasar ilmiah untuk pengembangan sistem pendukung keputusan klinis di bidang oftalmologi. Dengan demikian, studi ini tidak hanya menunjukkan keandalan model deep learning dalam diagnosis medis, tetapi juga membuka peluang penerapan lebih luas pada deteksi dini penyakit mata untuk meningkatkan kualitas layanan kesehatan.

Pemodelan Prediksi Harga Saham Emas ANTAM Menggunakan Gated Recurrent Unit dan Regresi Linear Berganda pada Time Series

Antika Zahrotul Kamalia, Wahyu Tri Utami, Arif Susilo — Sat, 31 Jan 2026 00:00:00 +0700

This study investigates the prediction of PT Aneka Tambang Tbk (ANTM) stock prices using time-series data by comparing two approaches: the Gated Recurrent Unit (GRU) model and multiple linear regression. The dataset consists of daily historical ANTM data collected from Yahoo Finance spanning 2014–2024, which was preprocessed (including cleaning/normalization) and split chronologically into training (70%) and testing (30%) sets to preserve realistic forecasting conditions. Model performance was assessed using R-squared (R²), Mean Absolute Error (MAE), Mean Squared Error (MSE), and Root Mean Squared Error (RMSE), supported by visual comparisons between actual and predicted values. The results indicate that the GRU model achieves superior predictive performance and better captures the dynamic and non-linear behavior of stock price movements compared to multiple linear regression. These findings suggest that GRU is more suitable for ANTM stock price forecasting in a time-series setting, while multiple linear regression remains useful as a simple and interpretable baseline model.

INTEGRASI SISTEM ABSENSI BERBASIS QR CODE UNTUK PENATAAN KURSI, DISTRIBUSI SNACK, DAN PEMANGGILAN WISUDAWAN

Dimas Prasetyo, Az-Zahrawani, Bethoven Bayu Belantara — Sat, 31 Jan 2026 00:00:00 +0700

Pelaksanaan wisuda berskala besar memerlukan pengelolaan data yang terintegrasi agar proses operasional berjalan tertib dan efisien. Permasalahan yang sering muncul meliputi absensi yang memakan waktu, penataan kursi yang kurang optimal, potensi duplikasi distribusi snack, serta ketidaksinkronan data pada pemanggilan wisudawan. Penelitian ini bertujuan mengembangkan dan mengevaluasi sistem absensi berbasis QR Code yang terintegrasi dengan modul penataan kursi, distribusi snack, dan pemanggilan wisudawan dalam satu basis data terpusat. Metode penelitian menggunakan rekayasa perangkat lunak dengan model System Development Life Cycle (SDLC) Waterfall. Hasil pengujian menunjukkan bahwa sistem mampu menyinkronkan data kehadiran, mencegah duplikasi distribusi snack, serta memastikan pemanggilan wisudawan berdasarkan status kehadiran.

PENGEMBANGAN SISTEM DOSEN WALI UNTUK OPTIMALISASI BIMBINGAN AKADEMIK

Saifu Rohman, Dhea Anggrestyn, Akhmad Khadziq Khafifi — Sat, 31 Jan 2026 00:00:00 +0700

Academic advising is an important activity between academic advisors and students to ensure that study plans run in accordance with applicable regulations. In many study programs, this process is still carried out manually, so consultation data is often not well recorded and communication becomes less effective. This condition encourages the development of an Academic Advisor Information System that can help manage the advising process in a structured manner. The system is designed to provide features for submitting consultation requests, reviewing study plans (KRS), recording the results of advising sessions, as well as displaying student information for academic advisors. The development stages are carried out starting from needs analysis, interface design, development of main functions, to simple testing to ensure the system runs according to its initial objectives. Based on the results of initial use, this system is considered capable of

SISTEM PREDIKSI PENJUALAN BERBASIS WEB MENGGUAKAN METODE SINGLE EXPONENTIAL SMOOTHING

Sat, 31 Jan 2026 00:00:00 +0700

Prediksi penjualan diperlukan untuk membantu pelaku usaha dalam merencanakan pengadaan barang secara tepat dan efisien. Penelitian ini bertujuan untuk membangun dan mengimplementasikan sistem prediksi penjualan berbasis web menggunakan metode Single Exponential Smoothing (SES). sistem dikembangkan menggunakan framework Laravel, basis data MySQL, serta Chart.js untuk visualisasi hasil prediksi. Data penelitian berasal dari dataset publik Kaggle dan direkap menjadi data bulanan selama 1 periode, yaitu Agustus 2022 hinga Juli 2023, tanpa nilai kosong agar memenuhi syarat perhitungan SES. Sistem menghasilkan nilai prediksi penjualan secara otomatis berdasarkan parameter alpha yang dipilih pengguna. Evaluasi akurasi dilakukan pada produk Ivory230 menggunakan metrik MAPE, MAD, dan MSE. Hasil pengujian menunjukkan bahwa parameter α = 0,9 memberikan hasil terbaik dengan nilai MAPE sebesar 26% atau akurasi 74% yang menurut kategori Lewis (1982) termasuk kategori good forecasting (cukup baik). Temuan ini juga diperkuat oleh penelitian Chaerunnisa dan Momon (2021) yang menyatakan bahwa SES tetap memberikan hasil yang dapat diterima pada data penjualan fluktuatif. Berdasarkan hal tersebut, sistem prediksi penjualan berbasis web yang dibangun dapat dinyatakan valid dan layak digunkan sebagai dasar evaluasi prediksi penjulan.