Article Per Year (5 Year)
p-Index From 2021 - 2026
2.724
P-Index
This Author published in this journals
All Journal ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Jurnal Ilmiah FIFO MIND (Multimedia Artificial Intelligent Networking Database) Journal TELKA - Telekomunikasi, Elektronika, Komputasi dan Kontrol TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika JMECS (Journal of Measurements, Electronics, Communications, and Systems) Jurnal Teknik Informatika (JUTIF) Charity : Jurnal Pengabdian Masyarakat Prosiding SNAST Jurnal Abdi Masyarakat Indonesia eProceedings of Engineering Jurnal INFOTEL
R. Yunendah Nur Fu’adah
Telkom University
Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering Public Health Social Sciences

Published : 59 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 34 Documents
Search
Journal : eProceedings of Engineering

 1   2   3   4 
Perancangan Sistem Pengukuruan Kadar Natrium Dalam Cairan Elektrolit Miftahul Fawaz; Raditiana Patmasari; R Yunendah Nur Fu’adah
eProceedings of Engineering Vol 7, No 2 (2020): Agustus 2020
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Elektrolit adalah senyawa yang sangat penting untuk mendukung proses metabolisme dalam tubuh. Alat untuk melakukan pengukuran kadar elektrolit dalam darah biasa disebut Electrolyte Analyzer. Alat yang tersedia saat ini memiliki harga yang relatif mahal dikarenakan harus di import dari luar negeri. Oleh karena itu, penulis mencoba membuat perangkat pendeteksi elektrolit yang sederhana. Komponen terpenting dari alat ini adalah Ion Selective Electrode untuk mengukur tegangan dalam cairan elektrolit. Selain itu, terdapat komponen pendukung seperti multimeter. Setelah mendapatkan data, data akan dibagi menjadi 2 yaitu data uji dan data latih untuk mengelompokan kadar elektrolit. Pengelompokan menggunakan metode klasifikasi k-Nearest Neighbour (k-NN) ke dalam kondisi normal, hipoatremia, dan hiperatremia. Hasil akhir dari Penelitian ini adalah sebuah alat yang digunakan untuk melakukan pengukuran kadar elektrolit dalam cairan dan dikelompokan dengan Matlab. Data diambil dari cairan sampel dengan konsentrasi 110, 115, 120, 125, 130, 135, 140, 145, 150, dan 154 mmol/L. Pengujian yang dilakukan adalah penentuan nilai kadar elektrolit dan pengujian waktu kalibrasi yang memperoleh tingkat akurasi 99,7% dengan skema melalukan kalibrasi setiap satu kali pembacaan cairan sampel. Sedangkan untuk pengelompokan, nilai akurasi tertinggi adalah 75% dengan menggunakan metode k-NN dengan pengukuran jarak Euclidean, City-Block, Chebychev, dan Minkowski dengan nilai k=1 dan juga k=3.Kata kunci : Elektrolit, Ion Selective Electrode, k-NN
Sistem Klasifikasi Sel Darah Putih Berbasis Pengolahan Citra Digital Dan K-nearest Neighbour (k-nn) Muhamad Reinaldi Kurniawan; Rita Purnamasari; R Yunendah Nur Fu’adah
eProceedings of Engineering Vol 8, No 1 (2021): Februari 2021
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Sel darah putih atau leukosit adalah salah satu sel pembentuk komponen darah yang berfungsi untuk membantu tubuh dalam melawan berbagai penyakit dan sebagai bagian dari sistem kekebalan tubuh. Saat ini sistem klasifikasi sel darah putih yang dilakukan oleh tenaga medis masih menggunakan penglihatan manual dengan bantuan microscope sehingga membutuhkan waktu yang lama. Oleh karena itu dibutuhkan suatu sistem yang dapat mengklasifikasikan sel darah putih secara otomatis untuk membantu tenaga medis. Pada penelitian ini merancang sistem klasifikasi sel darah putih dengan pengolahan citra digital dan K-NN. Proses pengolahan citra digital dimulai preprocessing dengan menggunakan metode ekstraksi ciri orde dua dan GLCM dengan menggunakan 4 fitur statistik (contrast, correlation, energy, homogeneity), jarak yang digunakan (d) = 1 dan 2 dan sudut orientasi (𝜽) = 0°,45°,90°,135°. Hasil dari ekstrasi ciri diklasifikasikan menggunakan metode K-NN dengan menggunakan nilai k = 1,3,5,7 dan 4 persamaan jarak (Euclidean, Minkowski, Cityblock, Chebychev). Dari hasil pengujian sistem diperoleh hasil klasifikasi sel darah putih melalui pengolahan citra digital dan metode K-NN dengan tingkat akurasi yang terbaik 76% pada parameter ekstraksi ciri (GLCM) jarak 1 dan sudut 0°, dan klasifikasi jarak Euclidean dan Minkowski pada nilai k dari K-NN sama dengan 1 dan 3. Kata kunci : Sel Darah Putih, GLCM, K-Nearest Neighbour. Abstract White blood cells or leukocytes are one of the cells that make up blood components that function to help the body fight various diseases and as part of the immune system. Currently, the white blood cell classification system carried out by medical personnel still uses manual vision with the help of a microscope, so it takes a long time. Therefore we need a system that can classify white blood cells automatically to help medical personnel. In this study, designed a white blood cell classification system with digital image processing and K-NN. The digital image processing process begins with preprocessing using the second order feature extraction method and GLCM using 4 statistical features (contrast, correlation, energy, homogeneity), the distance used (d) = 1 and 2 and the orientation angle (θ) = 0 °, 45 °, 90 °, 135 °. The results of feature extraction were classified using the K-NN method using k values = 1,3,5,7 and 4 distance equations (Euclidean, Minkowski, Cityblock, Chebychev). From the results of system testing, it was obtained the results of the classification of white blood cells through digital image processing and the K-NN method with the best accuracy rate of 76% on the feature extraction parameter (GLCM) at a distance of 1 and an angle of 0 °, and the classification of Euclidean and Minkowski distances at the k value K-NN is equal to 1 and 3. Keywords: White Blood Cells, GLCM, K-Nearest Neighbour.
Perancangan Sistem Klasifikasi Glaukoma Menggunakan Metode Convolutional Neural Network Muhammad Yuqdha Faza; Rita Magdalena; R Yunendah Nur Fuadah
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penyakit glaukoma merupakan penyakit yang menyebabkan kebutaan terbanyak di dunia. Glaukoma disebabkan karena siklus memproduksi dan mengeluarkan cairan bola mata atau disebut dengan aquos humor tidak seimbang yang mengakibatkan terjadinya penekanan pada bola mata. Pengklasifikasian penyakit glaukoma secara otomatis dibutuhkan karena banyak kasus penyakit glaukoma terdeteksi saat keadaannya sudah parah. Penelitian ini merancang suatu sistem klasifikasi penyakit glaukoma menggunakan metode Convolutional Neural Network (CNN) dengan menggunakan arsitektur GoogLeNet. Klasifikasi pada sistem ini menggunakan data sebanyak 1000 data citra fundus digital. Perancangan sistem ini dapat mengklasifikasikan penyakit glaukoma menjadi lima kelas, yaitu deep, early, moderate, normal, dan hipertensi okular (OHT). Sistem ini bertujuan untuk mempermudah dalam pengklasifikasian penyakit glaukoma. Terdapat beberapa parameter yang mempengaruhi performa sistem, oleh karena itu, dilakukan beberapa skenario dalam penelitian ini agar mendapatkan parameter dengan hasil performa sistem terbaik. Hasil dari pengujian sistem memberikan akurasi sebesar 95.40%, presisi sebesar 95%, recall sebesar 94%, f1-score sebesar 94%, dan nilai loss 1.9163. Kata kunci : Glaukoma, Convolutional Neural Network (CNN),
Klasifikasi Penyakit Paru-paru Berbasis Pengolahan Citra X Ray Menggunakan Convolutional Neural Network (classification Of The Lung Diseases Based On X Ray Image Processing Using Convolutional Neural Network) Razief Moch Diar; R. Yunendah Nur Fu’Adah; Koredianto Usman
eProceedings of Engineering Vol 9, No 2 (2022): April 2022
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

k Penyakit pada paru-paru merupakan gangguan yang cukup serius dimana dapat menyerang sistem pernapasan manusia dan bisa berakibat fatal jika tidak ditangani dengan serius. Pada saat ini deteksi penyakit pada paru-paru masih dilakukan secara manual oleh para dokter ahli, namun proses secara manual memakan waktu lama. Oleh karena itu, dalam tugas akhir ini dibuat sistem yang dapat mendeteksi dan mengklasifikasi penyakit paru-paru dengan otomatis.Pada Tugas Akhir ini merancang sistem otomatis untuk mengklasifikasi kondisi paru-paru berdasarkan citra x-ray paru-paru berbasis Convolutional Neural Network (CNN) menggunakan arsitektur MobileNet. Perancangan pada sistem dibagi menjadi beberapa tahapan dimulai dari menginput data citra x-ray paru-paru, tahap selanjutnya preprocessing, pada penelitian ini menggunakan dua jenis preprocessing, yaitu CLAHE, dan Gaussian filter, lalu dari hasil preprocessing dilakukan tahap pelatihan dengan dua jenis optimizer yang berbeda, yaitu Stochastic Gradient Descent (SGD), dan Adaptive moment (Adam). Tahap terakhir mengkalisifikasikan data citra menjadi empat kelas, yaitu Viral Pneumonia, Coronavirus Disease-19 (Covid-19), Normal dan Tuberculosis. Hasil akhir dari penelitian ini menunjukan optimizer terbaik yaitu Adam menggunakan preprocessing CLAHE pada epoch 50 dan menghasilkan nilai akurasi sebesar 94,687 dan loss sebesar 0,148. Selain itu juga diperoleh hasil dari performansi sistem berupa presisi 95%, recall 93%, dan F-1 score sebesar 94%. Kata Kunci : CNN, MobileNet, citra x-ray paru-paru, Viral Pneumonia, Coronavirus Disease-19 (Covid-19), Normal, Tuberculosis. Abstract Diseases of the lungs are quite serious disorders which can attack the human respiratory system and can be fatal if not treated seriously. At this time the detection of disease in the lungs is still check manually by expert doctors, but manual process takes a long time. Therefore, in this final project, a system is made that can detect and classify lung diseases automatically. using MobileNet architecture. The design of the system is divided into several stages starting from inputting lung x-ray image data, the next stage is preprocessing, in this study using two types of preprocessing, namely CLAHE, and Gaussian filters, then from the results of preprocessing, the training phase is carried out with two types of optimizers that different, namely Stochastic Gradient Descent (SGD), and Adaptive moment (Adam). The last stage is to classify image data into four classes, namely Viral Pneumonia, Coronavirus Disease-19 (Covid-19), Normal and Tuberculosis. The final result of this study shows that the best optimizer is Adam using CLAHE preprocessing on epoch 50 and produces an accuracy value of 94,687 and a loss of 0.148. In addition, the results of the system performance are 95% precision, 93% recall, and an F-1 score of 94%. Keywords: CNN, MobileNet, lung x-ray images, Viral Pneumonia, Coronavirus Disease-19 (Covid-19), Normal, Tuberculosis
Co-Authors Achmad Rizal Adam Agus Kurniawan Adinda Maulida Agung Aditama Putra Ahmad Fauzan Fauzan Ahmad Zendhaf Allisha Septariani Ahmad Alva Rischa Qhisthana Pratika Ardhi Fibrianto Avon Budiono Azis Ansori Wahid Daulay, Muhammad Agil Syaifullah Dian Ayu Nurlitasari Dyah Retno Mutia Edwar Efri Suhartono FAUZI FRAHMA TALININGSIH Febriani Ruming Sari Firdaus, Muhammad Naufal Firos Fathul Alam Gelar Budiman Hurianti Vidya Hurianti Vidyaningtyas Ibnu Da'wan Salim Ibnu Da’wan Salim Ubaidah Ihsan Budi Purwono Ilma Rahma Dewi Imanuel Boyke Nainggolan Inung Wijayanto Irdin Arjulian Irham Bani Alfafa Jangkung Raharjo Koredianto Usman Ledya Novamizanti Lugina Perceka Putri M Teguh Kurniawan Maghfira Rifki Hariadi Miftahul Fawaz Muhamad Reinaldi Kurniawan Muhamad Rokhmat Isnaini MUHAMMAD ADNAN PRAMUDITO Muhammad Akhyar Ghifari Muhammad Ardhi Prakasa Muhammad Dwi Cahyo Muhammad Yuqdha Faza Mulyantini, Agustien N Kumalasari Caecar Pratiwi Nabila Herman Naufal Adi Gifran Nidaan Khofiya Nivadirrokhman, Dhanendra Nor Kumalasari Nor Kumalasari Caecar Pratiwi Nur Alyyu Nur Ibrahim Ocky Tiaramukti Pandu Jati Utomo PRAMUDITHO, MUHAMMAD ADNAN PRATIWI, NOR KUMALASARI CAESAR Putra, Rafly Fasha Purnomo Raditiana Patmasari Rafid Fakhri Rahmad Hidayatullah Salam Rahmiati Aulia Ramadhan, Ardiansyah Ratna Sari Ratri Dwi Atmaja Razief Moch Diar Rd. Rohmat Saedudin Rezki Ariz Rahadian Rifky Abdul Khafid Rifqi Muhammad Fikri Rita Magdalena Rita Purnamasari Rizki Muhammad Iqbal Rizky Gilang Gumilar Saiful Azis Santosa, Atharizky Ade Sari, Febriani Ruming Siti Hajar Komariah SOFIA SAIDAH Sony Sumaryo Steven Palondongan Sugondo Hadiyoso SY, NIDAAN KHOFIYA Syafiq Hilmi Abdullah Syamsul Rizal Syamsul Rizal TALININGSING, FAUZI FRAHMA Teguh Dian Arifandi Teguh Musaharpa Gunawan UBAIDULLAH, IBNU DAWAN Vidya, Hurianti Wawan Tripiawan Yoga Yuniadi Zuhri, Hamdan Syaifuddin