Article Per Year (5 Year)
p-Index From 2021 - 2026
2.59
P-Index
This Author published in this journals
All Journal INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi KOMPUTA : Jurnal Ilmiah Komputer dan Informatika JISIP: Jurnal Ilmu Sosial dan Pendidikan Jurnal Darma Agung Jurnal Ilmu Komputer dan Informatika Jurnal Pengabdian Masyarakat DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY Journal of Advanced Health Informatics Research West Science Social and Humanities Studies Jurnal Sistem Informasi dan Manajemen Jurnal Multidisiplin Pengabdian Masyarakat (JMPM)
Ardianto, Rian
Unknown Affiliation
Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Medicine & Pharmacology Public Health Social Sciences Other

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Ilmu Komputer dan Informatika

 1 
Prediksi Kanker Darah Menggunakan Metode Convolutional Neural Network Istiqomah, Hani; Purwono, Purwono; Ardianto, Rian
Jurnal Ilmu Komputer dan Informatika Vol 4 No 1 (2024): JIKI - Juni 2024
Publisher : CV Firmos

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54082/jiki.156

Abstract

Leukemia pada anak-anak di Indonesia menjadi perhatian serius dalam bidang kesehatan karena variasi tingkat kelangsungan hidup dan dampak negatif dari pengobatan. Penelitian ini bertujuan meningkatkan deteksi dini dan pengelolaan leukemia pada anak-anak melalui penerapan metode Convolutional Neural Network (CNN). Metode yang digunakan adalah arsitektur MobileNetV2 untuk mengklasifikasikan gambar sel darah terkait kanker darah. Dataset yang digunakan berisi 3257 gambar sel darah yang telah dipreproses menjadi resolusi 300x300 piksel. Hasil penelitian menunjukkan bahwa implementasi CNN dengan arsitektur MobileNetV2 menghasilkan akurasi 95.6%, presisi 94.8%, recall 96.2%, dan F1-score 95.5%. Evaluasi model menggunakan confusion matrix menunjukkan tingkat kesalahan yang rendah dalam klasifikasi gambar normal dan leukemia, menyoroti efisiensi dan efektivitas MobileNetV2 dalam klasifikasi gambar medis.
Analisis Supervised dan Unsupervised Learning pada Machine Learning: Systematic Literature Review Nurhalizah, Ria Suci; Ardianto, Rian; Purwono, Purwono
Jurnal Ilmu Komputer dan Informatika Vol 4 No 1 (2024): JIKI - Juni 2024
Publisher : CV Firmos

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54082/jiki.168

Abstract

Artikel ini menyajikan tinjauan sistematis mengenai dua paradigma utama dalam Machine Learning yaitu Supervised Learning dan Unsupervised Learning, dengan tujuan memberikan pemahaman mendalam tentang perbedaan, serta kelebihan dan kekurangan masing-masing metode. Penelitian ini menerapkan metode Literature Review (SLR) berdasarkan pedoman PRISMA untuk menganalisis studi-studi relevan yang dipublikasikan dalam lima tahun terakhir. Dari total 540 artikel yang diperoleh, 10 artikel dipilih untuk ditelaah lebih lanjut, terdiri dari lima mengenai Supervised Learning dan lima mengenai Unsupervised Learning. Hasil analisis menunjukkan bahwa Supervised Learning menggunakan data berlabel Systematic untuk prediksi dan klasifikasi dengan algoritma seperti K-Nearest Neighbor (KNN), Naïve Bayes, Decision Tree, dan Support Vector Machine (SVM), yang umumnya menghasilkan akurasi tinggi. Di sisi lain, Unsupervised Learning yang tidak membutuhkan data berlabel, fokus pada eksplorasi data dan pengelompokan menggunakan algoritma seperti K-Means, Artificial Neural Network (ANN), dan Gaussian Mixture Model(GMM), menawarkan fleksibilitas yang lebih besar meski dengan akurasi yang biasanya lebih rendah. Kedua pendekatan ini memiliki kelebihan dan keterbatasan masing-masing, dan pemilihan metode yang tepat harus mempertimbangkan tujuan aplikasi, ketersediaan data, dan karakteristik data.
Co-Authors Abdilah, Adil Agung Pangestu Al-Hakim, Rosyid Al-Hakim, Rosyid Ridlo Arif Setia Sandi A. Arifin, Irsyadul Asti Herliana, Asti Dasril Aldo Dewa, Bala Putra Dimas Setiawan Fitriyani, Zenita Afifah Fuady, Tb. Dedy Handayani, Oktavia Putri Herliani, Lisda Imam Ahmad Ashari, Imam Ahmad Irawan, Pristanto Ria Istiqomah, Hani Jayusman, Hadi Judijanto, Loso Kartika Wibisono, Sony Khoirun Nisa Marhoon , Hamzah M. Melani, Reina Muhammad Yusuf Norvadewi Nugroho, Ady Nurhalizah, Ria Suci Pangesti, Lintang Desy Purwono Purwono Purwono, Purwono Putra, Jessa Syah Ratna Agustina Samodra, Galih Sebayang, Septian Soegiarto, Ita Suhendar, Atep Suryani, Riska Sutiyan, Ory Syafari Jamel Wardhani, Annisa Risqi Sulistya Kusuma Wibisono, Sony Kartika