Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JIKO (Jurnal Informatika dan Komputer) SKANIKA: Sistem Komputer dan Teknik Informatika
Made Prastha Nugraha
Institut Desain dan Bisnis Bali
Computer Science & IT Control & Systems Engineering Engineering

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

Found 2 Documents
Search

 1 
SEGMENTASI CITRA ECHOCARDIOGRAPHY MENGGUNAKAN DENSE-AIDAN Made Prastha Nugraha; Muhammad Febrian Rachmadan Amri; Wismu Sunarmodo
SKANIKA: Sistem Komputer dan Teknik Informatika Vol 9 No 1 (2026): Jurnal SKANIKA Januari 2026
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/skanika.v9i1.3654

Abstract

Congenital heart disease is a structural abnormality of the heart present from birth, affecting about 1% of all newborns, which make early detection of abnormal heart conditions is essential. Detection can be performed by calculating the traced area of end-systole and end-diastole segmentation in cardiac echocardiography videos. This study aims to perform segmentation on echocardiography images using the Dense-AIDAN method. The research workflow conducted in this study includes data collection and preparation, model development, and evaluation. The dataset used in this study is the public EchoNet-Dynamic echocardiography video dataset showing the four-chamber view of the heart. The echocardiography videos from the dataset are first converted into image frames. The image frames are generated based on the two tracings mentioned above. These images are then divided into training, validation, and test sets. The training images are used as input to train the Dense-AIDAN model. The trained model is then used to segment the left ventricle of the heart from the input test images. The implementation of the Dense-AIDAN method yields a Dice Similarity Coefficient (DSC) of 0.81 and an Intersection over Union (IoU) of 0.68. The study concludes that using DenseNet201 provides better segmentation results compared to ResNet50 on medical images, especially echocardiography images.
Pemanfaatan Random Forest untuk Prediksi Ketepatan Waktu Kelulusan Mahasiswa Studi Kasus: Institut Desain dan Bisnis Bali Gede Puspa; Muhammad Febrian Rachmadhan Amri; Made Prastha Nugraha
JURNAL INFORMATIKA DAN KOMPUTER Vol 9, No 2 (2025): Juni 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v9i2.1886

Abstract

Institut Desain dan Bisnis Bali, setiap tahun menghasilkan lulusan mahasiswa sesuai bidang yang ditempuhnya, dalam kurun waktu penyelesaian studi tepat waktu yaitu 4 (empat) tahun. Namun pada kurun waktu 3 (tiga) tahun terdapat penurunan jumlah presentase mahasiswa yang lulus . Hal ini tentu merupakan permasalah serius yang perlu ditindak lanjuti karena dapat berdampak pada nilai akreditasi perguruan tinggi. Belum diketahui penyebab pasti keterlambatan studi mahasiswa yang tidak lulus tepat waktu. Perlu adanya penggalian data yang masih tersembunyi serta pengolahan data sehingga menjadi pengetahuan dan informasi baru yang dapat dimanfaatkan untuk menindak lanjuti mahasiswa yang bermasalah pada tahun akademik berjalan. Penelitian ini bertujuan untuk memprediksi tingkat kelulusan mahasiswa tepat waktu dengan metode random forest untuk mengetahui metode yang lebih unggul dalam kasus tersebut. Dari penelitian ini yaitu sistem dapat memprediksi kelulusan mahasiswa tepat waktu dengan algoritma terbaik.
Co-Authors Gede Puspa Muhammad Febrian Rachmadhan Amri Wismu Sunarmodo