Rekayasa web untuk sistem kompleks yang andal
Pengembang web full-stack dan applied AI builder dari Universitas Jember yang berfokus pada arsitektur sistem terukur dan model Deep Learning terapan. Terbuka untuk peluang kerja & magang.
HUBUNGI SAYAAlzheimer MRI Classification with DenseNet-169
Pengembangan dan eksperimen model Deep Learning menggunakan arsitektur DenseNet-169 untuk mengklasifikasikan tahapan penyakit Alzheimer berdasarkan citra MRI otak. Model memanfaatkan koneksi dense inter-layer untuk mereduksi problem vanishing gradient dan memaksimalkan ekstraksi fitur.
Metodologi & Temuan Kunci
- ✓Implementasi arsitektur DenseNet-169 dengan transfer learning
- ✓Pipeline pra-pemrosesan citra MRI dan augmentasi data
- ✓Evaluasi komprehensif menggunakan metrik Confusion Matrix dan F1-Score
• Input: 224x224 Axial/Coronal MRI
• Dense Blocks: 4 layers with dense cross-links
• Transition Layers: Conv (1x1) + AvgPool (2x2)
• Output: 4-Class progression classification
Uji Inferensi Forward Pass Model Alzheimer
Pilih sampel citra MRI otak asli dari dataset uji untuk menguji klasifikasi softmax DenseNet-169.
Non-Demented (Kontrol Sehat)
Struktur korteks serebral utuh dan volume hipokampus simetris tanpa indikasi atrofi serebral yang signifikan.
Struktur korteks serebral utuh dan volume hipokampus simetris tanpa indikasi atrofi serebral yang signifikan.
[Tahap 1 · Pre-filter CNN]: Validasi integritas citra MRI otak asli guna menyaring artefak atau gambar non-medis sebelum komputasi berat.
[Tahap 2 · DenseNet-169]: Ekstraksi fitur cross-layer berkelanjutan melalui 4 Dense Blocks untuk membedakan derajat atrofi serebral.
Aplikasi web fungsional yang dibangun untuk memecahkan persoalan riil.
Dari tata kelola distribusi pupuk bersubsidi bersertifikat hingga platform deteksi patologi perikanan berbasis model CNN.
SiPuBi: Sistem Distribusi Pupuk Bersubsidi
Sistem informasi pengelolaan dan pemantauan alur distribusi pupuk bersubsidi untuk menjamin transparansi penyaluran komoditas kepada petani penerima hak. Dilengkapi alur verifikasi data dan pencatatan distribusi terpusat.
NilaHealth: Deteksi Penyakit Ikan Nila Berbasis CNN & Manajemen Tambak
Sistem cerdas penanggulangan kematian ikan nila hasil kemitraan dengan kelompok pembudidaya ikan air tawar di Jember. Mengintegrasikan aplikasi web Laravel dengan model Deep Learning CNN (EfficientNet via Flask) untuk mendeteksi 5 jenis penyakit infeksius (Streptococcosis, Columnaris, Aeromonas/MAS, TiLV, Parasit) dan kondisi sehat, dilengkapi rekomendasi SOP penanganan kuratif dan penjadwalan pemeliharaan kolam.
Sistem Operasional Klinik Gigi Terpadu
Aplikasi web modern untuk manajemen jadwal konsultasi dokter gigi, registrasi pasien berkala, dan rekam layanan tindakan medis klinik secara paperless.
Pengembang yang menguasai arsitektur web dan riset AI terapan terbilang langka.
Saya bekerja paling baik saat data bersifat padat dan taruhan sistem bersifat nyata. Tugas saya adalah menghilangkan friksi teknis sehingga keputusan rekayasa berikutnya datang lebih cepat dan andal.
Arsitektur & Integritas Data Lebih Dulu
Saya merancang struktur basis data relasional (MySQL), otorisasi bertingkat (RBAC), dan model transaksi yang aman sebelum menulis baris kode antarmuka. Fondasi yang kokoh menjamin keandalan sistem jangka panjang.
Machine Learning Berbasis Bukti Empiris
Bukan sekadar menjalankan skrip pelatihan, saya membangun pipeline Deep Learning (DenseNet-169 & EfficientNet) yang dievaluasi secara ketat dengan metrik riil (akurasi 99.92% pada 5.098 data uji MRI).
Solusi Nyata Berdampak ke Lapangan
Teknologi terbaik adalah yang menyelesaikan masalah riil di masyarakat, seperti kemitraan dengan pembudidaya ikan nila di Jember untuk menekan angka mortalitas dan sistem pemantauan distribusi pupuk bersubsidi.
Bagaimana kolaborasi rekayasa berjalan secara nyata.
Saya bekerja erat dengan rekan pengembang, manajer produk, dan mitra pengguna lapangan, memastikan proses berjalan terarah dari ide awal hingga peluncuran.
Eksplorasi & Dialog Terbuka
Saya menjaga proses penemuan solusi tetap kolaboratif dan transparan, berbagi hipotesis awal, batasan teknis, dan trade-off arsitektur sebelum penulisan kode dimulai.
Keputusan Terdokumentasi
Bukan hanya menghasilkan produk akhir, saya mendokumentasikan alasan di balik setiap keputusan desain skema basis data, pemilihan model AI, dan struktur API.
Spesifikasi Jelas, Minim Celah
Merancang dengan memikirkan implementasi riil: mendefinisikan state mesin, edge cases, struktur kontrak data, dan penanganan kegagalan agar sistem handal di produksi.
Dukungan Penuh Pasca Implementasi
Mengawal sistem hingga berjalan stabil di lingkungan produksi, membantu pengujian integrasi, pemantauan performa model, dan verifikasi alur pengguna di lapangan.
Alat dan tumpukan teknologi yang aktif digunakan dalam rekayasa sistem.
Dari pipeline pelatihan model Machine Learning hingga sistem informasi berskala penuh.
Retro Terminal Snake: Tangkap bug & pertahankan clean code.
Gunakan tombol panah keyboard atau kontrol sentuh virtual di layar untuk menavigasi snake.
CLI SNAKE READY
Tekan tombol Mulai untuk bermain