Claim Missing Document
Check
Articles

Found 18 Documents
Search

Image Transformation With Lung Image Thresholding and Segmentation Method Sahat Sonang Sitanggang; Yuhandri Yuhandri; Adil Setiawan
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 7 No 2 (2023): April 2023
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v7i2.4321

Abstract

Image transformation is important to obtain and find certain information about an image that was not previously known, such as pixels, geometry, size, and color. Following this, this research aims to analyze image transformation in producing better values using threshold and segmentation methods. The segmentation process is carried out based on two color models, namely hue saturation value (HSV) and red green blue (RGB). The image data used in this study was the x-ray image of the lungs from www.fk.unair.ac.id. which is processed using the Matlab 2021a application to help the analysis process. on the results of the image segmentation analysis carried out in this case, the greater the HSV and RGB threshold values used in the image data, the better and clearer the segmentation of the detected image results. In other words, the size of the thresholding value generated greatly affects the quality, brightness, size, and color of the resulting image. The best lung X-ray image segmentation results were obtained when using the threshold values HSV = 0.9 and RGB = 9.
PENERAPAN METODE PROFILE MACHING SEBAGAI PENYORTIRAN BIBIT KELAPA SAWIT Adil Setiawan; Ria Eka Sari
Jurnal Informatika Kaputama (JIK) Vol 2 No 2 (2018): Volume 2, Nomor 2, Juli 2018
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v2i2.421

Abstract

Dalam Perkembangan teknologi saat ini peningkatan produktivitas Kelapa sawit memenuhi pasar internasional, Sehingga memerlukan bibit yang berkualitas yang layak di tanam untuk mendapatkan hasil tanaman yang bagus memiliki kwalitas sehingga memungkinkan untuk dikembangkan sebagai bibitnya unggul, untuk mendapatkan hasil minyak yang berkualitas internasional. Pemilihan bibit kelapa sawit biasanya berdasarkan berbagai macam keinginan tidak hanya melihat dari segi financial saja akan tetapi dari berbagai kriteria lain seperti cuaca yang sangat berpengaruh dalam proses pemilihan, dan lain – lain Jika saja bibit kelapa sawit yang akan dipilih sudah sesuai dengan keinginan, maka sudah tentu bibit kelapa sawit tersebut akan menjadi factor pendukung yang baik. Sistem yang akan dibuat dalam untuk pengambilan keputusan ini adalah dengan menggunakan metode Profile maching, sehingga keputusan yang efektiv dan efisien demi kelancaran produksi bibit, maka penelitian ini bertujuan untuk membangun Sistem penunjang keputusan sebagai solusi untuk memudahkan pemilihan bibit kelapa sawit, sehingga kita dapat mengetahui bibit yang unggul serta berkualitas yang layak di budidayakan, serta mensortir bibit yang tidak berkualitas untuk di pisahkan sehingga hanya bibit-bibit yang berkualitas saja yang di budidayakan.
Analisa Dini Gangguan Disleksia Anak Sekolah dengan Metode Backpropagation Novi Yanti; Adil Setiawan; Sarjon Defit
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 2 (2023): Volume 9 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i2.64588

Abstract

Disleksia sering disalah artikan sebagai kebodohan atau kemalasan pada anak. Gejala disleksia dikenal dengan gangguan belajar yang meliputi mengenal huruf, mengeja, membaca, dan menulis. Meskipun gejala disleksia tidak terlihat dengan jelas, kondisi ini dapat berdampak pada perkembangan pola belajar anak. Tujuan penelitian adalah untuk mengidentifikasi gejala disleksia sedini mungkin agar tidak mengganggu perkembangan belajar pada anak. Selain itu, penelitian juga bertujuan untuk mengevaluasi keakuratan teknik yang digunakan. Analisa menggunakan metode jaringan syaraf tiruan dengan teknik backpropagation dengan memberikan nilai bobot, sehingga dapat memberikan nilai input dengan benar. Penelitian menggunakan 150 dataset, 40 variabel input dan 40 lapisan tersembunyi. Keluaran yang diharapkan mencakup disleksia atau non-disleksia. Hasil implementasi dan pengujian untuk data latih dan data uji terbaik adalah 90:10. Dengan nilai epoch maksimum 5000 dan nilai error target 0,001. Metode backpropagation dapat memberikan hasil akurasi terbaik 100% pada learning rate 0,5. Sehingga metode backpropagation dapat dengan baik mendeteksi gangguan disleksia pada anak sejak dini.
Penerapan Gray Level Co-Ocurrence Matrix Dengan Metode Self Organizing Map Pada Deteksi Kematangan Buah Pinang Adil Setiawan; Soeheri Soeheri; Sumijan Sumijan
Computer Science Research and Its Development Journal Vol. 16 No. 2 (2024): June 2024
Publisher : LPPM Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/csrid.16.2.2024.174-187

Abstract

Areca nut can be seen through its fiber which plays an important role in improving digestion. Fiber helps facilitate bowel movements and prevent constipation, provides improvements in the digestive system and keeps teeth healthy. The results of this research obtained a classification model using the Gray Level Co-Occurrence Matrix. Many areca nut plantations still use manual methods to sort fruit, but this method is often inaccurate and varies, this is due to differences in the perceptions of each person. Histograms help you find images with similar color composition. Similarity is measured by calculating the distance between histograms. Color composition can be seen in the form of a histogram which represents the distribution of the number of intensity pixels for each color in an image. This research aims to detect the ripeness of areca nut fruit. This research uses a combination of RGB and HSV feature extraction techniques and GLCM extraction techniques. The resulting information is in the form of a percentage of similarity and classification of fruit maturity which includes Ripe (Hue=0.11893, saturation= 0.75727, value= 0.81813), half ripe (Hue= 0.17933, Saturation=0.20123, value= 0.44968) Unripe (Hue=0.21514, Saturation= 0.47934, Value= 0.36719) with an accuracy level of 100%, from images that have been processed.
Klasifikasi Jenis Tumor Otak pada Citra MRI Menggunakan Convolutional Neural Network (CNN) Agung RM Alam; M Suhada WD; Agus F Nduru; Rika Rosnelly; Adil Setiawan
REMIK: Riset dan E-Jurnal Manajemen Informatika Komputer Vol. 9 No. 4 (2025): Volume 9 Nomor 4 Oktober 2025
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/remik.v9i4.15020

Abstract

Tumor otak merupakan salah satu kondisi neurologis serius yang menuntut penanganan cepat dan tepat. Proses klasifikasi citra MRI secara manual masih menghadapi sejumlah kendala, seperti waktu yang dibutuhkan yang relatif lama, ketergantungan terhadap keahlian radiolog, serta potensi subjektivitas dalam interpretasi. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan sistem klasifikasi otomatis berbasis Convolutional Neural Network (CNN) guna mengidentifikasi tiga tipe tumor otak, yakni glioma, meningioma, dan pituitari, dengan memanfaatkan dataset MRI yang bersifat publik. Proses prapengolahan data dilakukan melalui tahapan resizing, normalisasi intensitas, serta augmentasi data berupa rotasi acak, zoom, dan flipping, dengan tujuan meningkatkan kemampuan generalisasi model. Arsitektur jaringan yang diusulkan terdiri atas dua blok konvolusi, satu lapisan fully connected, serta penggunaan dropout sebagai upaya meminimalisasi overfitting. Model dilatih dengan skema pembagian data latih dan uji sebesar 80:20, serta dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil pelatihan menunjukkan bahwa model mencapai akurasi 97,18%, lebih tinggi dibandingkan baseline metode SVM (90,7%) dan MobileNetV2 (94,6%). Selain itu, teknik visualisasi Grad-CAM digunakan untuk mengidentifikasi area penting dalam citra yang berkaitan dengan keberadaan tumor, sehingga memperkuat interpretabilitas dari sistem yang dibangun. Temuan ini menegaskan bahwa arsitektur CNN yang dikembangkan memiliki potensi tinggi dalam mendukung proses diagnosis tumor otak secara otomatis dan dapat diandalkan dalam praktik klinis.
PERSEPSI NASABAH TERHADAP IMPLEMENTASI PRINSIP SYARIAH DALAM OPERASIONAL BANK SYARIAH DI KECAMATAN MEDAN MARELAN Bagus Riski; Adil Setiawan
Jurnal UMKM, Manajemen dan Akuntansi Vol. 2 No. 1: Agustus 2025
Publisher : Universitas Battuta

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

Abstract

Penelitian ini bertujuan untuk mengeksplorasi rendahnya minat masyarakat Muslim di Kecamatan Medan Marelan terhadap penggunaan layanan perbankan syariah, baik dalam bentuk produk simpanan seperti tabungan maupun fasilitas pendanaan usaha. Fenomena ini mencerminkan adanya permasalahan persepsi di kalangan masyarakat, di mana bank syariah dianggap tidak memiliki perbedaan yang signifikan dengan bank konvensional. Bagi sebagian besar responden, perbedaan antara keduanya hanya terletak pada label “syariah” yang melekat pada nama institusinya, tanpa disertai pemahaman yang mendalam mengenai prinsip, mekanisme, dan operasional perbankan yang berbasis syariah. Metode yang digunakan dalam penelitian ini adalah pendekatan deskriptif kualitatif-interpretif, dengan pengumpulan data dilakukan melalui penyebaran kuesioner kepada responden yang dipilih secara purposif. Hasil analisis menunjukkan bahwa terdapat ketidaksesuaian antara idealitas prinsip keuangan syariah yang seharusnya diterapkan dan persepsi masyarakat terhadap praktik perbankan syariah yang berjalan di lapangan. Meskipun secara formal bank syariah telah menerapkan prinsip-prinsip syariah seperti larangan riba, penerapan akad-akad muamalah, dan pengawasan oleh Dewan Pengawas Syariah (DPS), masyarakat masih menilai bahwa operasional bank syariah di Indonesia belum sepenuhnya mencerminkan nilai-nilai syariah secara substansial. Temuan ini menunjukkan pentingnya upaya edukasi dan sosialisasi yang lebih intensif mengenai konsep, keunggulan, dan perbedaan mendasar antara perbankan syariah dan konvensional guna meningkatkan literasi dan kepercayaan masyarakat terhadap sistem keuangan syariah.
Optimasi Strategi Promosi Sekolah SMK melalui Segmentasi Data Siswa Baru dengan Clustering Metode K-Means menggunakan Differential Evolution (DE) Pebruarianto Hutabarat; Adil Setiawan; Bill Raj; M Prasetyo; M. Agung Irnanda; Empiter Gea; Johan; Andreas Parapat
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 4 No. 3 (2026): Februari 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i3.779

Abstract

SMK XYZ faces challenges in developing effective and efficient promotional strategies to attract prospective new students. Previously, promotional approaches have been general and failed to address the specific needs of different prospective student segments. This research aims to optimize school promotional strategies by analyzing patterns in new student characteristics through data segmentation techniques. The proposed method is K-Means Clustering optimized with the Differential Evolution (DE) algorithm. DE optimization addresses K-Means' sensitivity to initial cluster center initialization, aiming for more stable and optimal segmentation. The data used includes demographic attributes, major interests, registration pathways, and prior school origins of new students from the 2023/2024 cohort. Research results show that the DE-K-Means combination produces more compact clusters (lower within-cluster sum of squares values) compared to standard K-Means. Based on the resulting cluster analysis, three distinct promotional strategies are formulated for each prospective student segment: digital-intensive approaches, partnerships with feeder schools, and highlighting specific major advantages. Implementing these strategies is expected to significantly increase the quality and quantity of new student admissions.
Optimasi Performa Model SVM dan Random Forest untuk Klasifikasi Kanker Payudara Menggunakan Penyetelan Hyperparameter Adil Setiawan; Andri Armaginda Siregar; Nanda Setiawan; Jalaluddin Nasution; Naufal Dhiya Putra Dalimunthe; Farhan Sardy Abdillah
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 4 No. 3 (2026): Februari 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i3.789

Abstract

Kanker payudara merupakan salah satu penyakit dengan tingkat morbiditas dan mortalitas yang tinggi, sehingga deteksi dini dan diagnosis yang akurat menjadi faktor kunci dalam meningkatkan keberhasilan terapi. Perkembangan machine learning memberikan peluang besar dalam mendukung proses klasifikasi kanker payudara berbasis data medis. Penelitian ini bertujuan untuk mengevaluasi dan mengoptimalkan kinerja algoritma Support Vector Machine (SVM) dan Random Forest dalam klasifikasi kanker payudara melalui penerapan Hyperparameter tuning. Dataset yang digunakan adalah Breast Cancer Wisconsin (Diagnostic), yang terdiri dari 569 sampel hasil pemeriksaan Fine Needle Aspirate (FNA) dengan 30 fitur numerik serta dua kelas target, yaitu benign dan malignant. Metodologi penelitian meliputi tahap pra-pemrosesan data, pembagian data menggunakan stratified train–test split, pelatihan model baseline, optimasi Hyperparameter menggunakan GridSearchCV dengan 5-fold cross-validation, serta evaluasi performa model menggunakan metrik accuracy, precision, recall, F1-score, confusion matrix, dan ROC–AUC. Hasil eksperimen menunjukkan bahwa kedua model mampu mencapai performa klasifikasi yang tinggi dengan tingkat akurasi sekitar 97% pada data uji. Hyperparameter tuning memberikan peningkatan performa yang lebih konsisten pada model SVM, khususnya pada recall kelas malignant dan nilai AUC, sedangkan Random Forest menunjukkan performa yang relatif stabil sebelum dan sesudah optimasi. Temuan ini menegaskan bahwa Hyperparameter tuning berperan penting dalam validasi dan stabilitas model, meskipun tidak selalu menghasilkan peningkatan performa numerik yang signifikan pada dataset benchmark.