Firdiyan Syah
pgri university of yogyakarta

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

Found 2 Documents
Search

Deteksi Dermatoglifi Telapak Tangan Untuk Mengetahui Kesehatan Jantung Artati Suryani; Firdiyan Syah
Jurnal Dinamika Informatika Vol. 13 No. 1 (2024): Jurnal Dinamika Informatika
Publisher : Program Studi Informatika Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31316/jdi.v13i1.505

Abstract

Dermatoglifi yang terbentuk dari poligen dipengaruhi oleh banyak gen. Polasidik jari dapat digunakan untuk mengidentifikasi pelaku dan korban kejahatan, danjuga dapat digunakan untuk mendiagnosis penyakit genetik atau kelainan genetik.Salah satu penyakit genetik yang menarik untuk diamati hubungannya dengandermatoglifi adalah penyakit jantung koroner. Penelitian ini bertujuan untukmenyelidiki karakteristik dermatoglifi ujung jari dan telapak tangan pada pasienpenyakit jantung di Rumah Sakit Dr. M. Djamil Padang, termasuk jenis pola sidikjari, jumlah sidik jari, frekuensi pola telapak tangan, dan sudut atd.Penelitian ini menggunakan metode purposive sampling untuk kelompokpasien penyakit jantung dan kelompok normal. Sampel diambil sebanyak 40 orangdengan penyakit jantung, baik laki-laki maupun perempuan, sedangkan untukkelompok pembanding diambil dari mahasiswa atletik UNP. Data yang diperolehadalah persentase pola sidik jari untuk setiap sampel. Persentase pola ini dianalisismenggunakan uji chi-square (X2). Dari data yang diperoleh, menunjukkan bahwapersentase pola sidik jari antara kelompok pasien penyakit jantung dan normalberbeda, di mana persentase pasien penyakit jantung dengan pola Arch = 3%,sedangkan pada kelompok normal pola Arch = 0%. Uji statistik dengan uji chisquare menunjukkan bahwa pola sidik jari pada kelompok pasien penyakit jantungdan kelompok normal terdapat perbedaan yang nyata. Total jumlah lekukan padaujung jari pasien penyakit jantung lebih rendah dibandingkan dengan kelompoknormal dengan uji t yang menunjukkan perbedaan signifikan pada p = 0,05. Persentase frekuensi pola lekukan telapak tangan pada pasien penyakit jantungsebesar I1 = 0,6%, sedangkan pada kelompok normal I1 = 0%. Berdasarkan ujistatistik t-student, sudut atd pada orang normal dan pasien penyakit jantung tidakmenunjukkan perbedaan signifikan pada p = 0,05.
Implementasi CNN untuk Penerjemahan Bahasa melalui Pengenalan Citra Tulisan Tangan Firdiyan Syah; Prahenusa Wahyu Ciptadi; Anindya Elga Frinayanti; Dinda Fitria Anggraini; Erika Amalia
Jurnal Dinamika Informatika Vol. 13 No. 2 (2024): Jurnal Dinamika Informatika Volume: 13 Nomer: 2
Publisher : Program Studi Informatika Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31316/jdi.v13i2.510

Abstract

Penelitian ini mengeksplorasi penerapan Convolutional Neural Networks (CNN) dalam pengenalan citra tulisan tangan untuk tujuan penerjemahan bahasa. Dengan meningkatnya kebutuhan untuk mendigitalkan dokumen, sistem pengenalan karakter tulisan tangan (HTR) menjadi sangat penting. Dalam penelitian ini, CNN digunakan untuk mengonversi gambar tulisan tangan menjadi teks digital dengan tingkat akurasi yang tinggi, mengatasi tantangan yang muncul akibat variasi gaya tulisan. Metode yang diterapkan mencakup pengumpulan data, pra-pemrosesan citra, implementasi CNN, dan penerjemahan menggunakan Natural Language Processing (NLP). Hasil penelitian menunjukkan bahwa model CNN yang dikembangkan mencapai akurasi pelatihan sebesar 94,73% dan akurasi pengujian sebesar 90,53%. Temuan ini menunjukkan potensi signifikan dalam meningkatkan efisiensi dan akurasi proses penerjemahan tulisan tangan ke dalam teks digital. Penelitian ini juga mencatat kemajuan terkini dalam pengenalan teks tulisan tangan, termasuk pengenalan karakter secara real-time dan aplikasi spesifik untuk bahasa tertentu, yang menunjukkan relevansi dan aplikasi luas dari teknologi ini.