Garuda - Garba Rujukan Digital

Classification of Breast Cancer with Transfer Learning on Convolutional Neural Network Models Wijaya, Bayu Angga; Hulu, Mesrawati; Resel, Resel; Halawa, Nestina; Tarigan, Angki Angkota
Sinkron : jurnal dan penelitian teknik informatika Vol. 8 No. 3 (2024): Research Artikel Volume 8 Issue 3, July 2024
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v8i3.13792

Breast cancer is a serious medical condition and a leading cause of death among women. Early and accurate diagnosis is crucial for improving patient outcomes. This study explores the use of Convolutional Neural Networks (CNNs) with Transfer Learning using DenseNet121 and ResNet50 models to enhance breast cancer classification via mammography. Transfer Learning enables CNN models to leverage knowledge learned from larger datasets such as ImageNet to improve performance on specific breast cancer datasets. The dataset comprised medical images with three breast variations: benign, malignant, and normal, totaling 531 data points. Data was split with a 70% training and 30% validation ratio. Two CNN models, AlexNet and ResNet50, were evaluated to compare their performance in classifying these breast cancer types. The experimental results show that AlexNet achieved a training accuracy of 98.01%, while ResNet50 achieved 64.07%. AlexNet demonstrated superior performance in identifying complex patterns in mammography images, resulting in more accurate classification of different breast cancer types. These findings highlight the potential of deep learning applications to support more precise and effective medical diagnostics for breast cancer. This research contributes significantly to the development of AI technologies in healthcare aimed at improving early detection of breast cancer. The implications of this study could expand our understanding of Transfer Learning applications in medical contexts, driving further advancements in this field to enhance patient care and prognosis

Implementasi Algoritma K-Means Menggunakan RapidMiner untuk Klasterisasi Data Obat Pada Rumah Sakit Royal Prima Siregar, Afrahul Hidayah; Sihotang, Dohardo Dulisep; Wijaya, Bayu Angga; Siregar, Saut Dohot
JURNAL TEKNOLOGI DAN ILMU KOMPUTER PRIMA (JUTIKOMP) Vol. 7 No. 2 (2024): Jurnal Teknologi dan Ilmu Komputer Prima (JUTIKOMP)
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34012/jutikomp.v7i2.5537

Efficient management of drug data is a crucial element in hospital operations to ensure the availability and proper use of medications. This research aims to implement the K-Means clustering algorithm using RapidMiner software to cluster drug data at RS Royal Prima. The dataset includes information such as drug type, category, price, and intake frequency. The clustering process begins with data preprocessing stages, such as cleaning and normalization. The optimal number of clusters is determined using the elbow method and silhouette analysis. The clustering results show that drug data can be grouped into several large clusters based on specific characteristics. This analysis helps identify patterns of drug use that can support clinical decision-making and improve inventory management. This implementation demonstrates that using RapidMiner to cluster pharmaceutical data is effective and provides valuable insights to enhance hospital operations.

Implementasi Algoritma K-Means Dalam Mengukur Tingkat Kepuasan Siswa Terhadap Pelayanan Pada SMA Swasta Bani Adam AS Tanjung, Juliansyah Putra; Wijaya, Bayu Angga; Ridho, Muhammad
Data Sciences Indonesia (DSI) Vol. 3 No. 1 (2023): Article Research Volume 3 Issue 1, December 2023
Publisher : ITScience (Information Technology and Science)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v3i1.2775

Pendidikan merupakan aspek penting dalam pembangunan suatu negara. Peningkatan kualitas pendidikan adalah suatu hal yang krusial bagi kemajuan suatu bangsa. Dalam rangka meningkatkan kualitas pendidikan, perlu adanya evaluasi yang teratur terhadap kinerja sekolah. SMA Swasta Bani Adam As merupakan salah satu sekolah swasta yang berkomitmen untuk memberikan pelayanan terbaik bagi siswa. Namun, perlu adanya evaluasi terhadap tingkat kepuasan siswa terhadap pelayanan yang diberikan oleh sekolah secara teratur Algoritma k-means merupakan salah satu algoritma clustering yang digunakan untuk mengelompokkan data berdasarkan kesamaan fitur atau atribut. Dengan tahapan awal melakukan pengumpulan data set, menganalisis data yang didapatkan, melakukan clustering dan implementasi. Setelah dilakukan semua proses sampai iterasi atau perulangan berhenti maka data dengan cluster tidak berpindah lagi dan merupakan data akhir dari pengujian. terlihat bahwa 8 dari 10 data menunjukkan bahwa jarak terdekat berada pada K1 yang merupakan kategori “Kurang Puas” terhadap pelayanan yang diberikan. Sedangkan sisa data untuk kategori “Cukup Puas” dan “Puas” oleh karena itu dapat disimpulkan bahwa Dari penerapan metode clustering dengan menggunakan algoritma K-Means yang diaplikasikan pada data set menghasilkan grafik kepuasan siswa dengan data kurang puas sebanyak 86 siswa atau sejumlah 43 %, cukup puas sebanyak 69 siswa atau sejumlah 34,5 % dan puas 45 siswa atau sejumlah 22,5 %.

Perancangan Aplikasi Enkripsi Data Menggunakan Algoritma XXTEA Wijaya, Bayu Angga; Harahap, M; Aisyah, Siti
Jurnal Sistem Informasi dan Ilmu Komputer Vol. 3 No. 2 (2020): JURNAL SISTEM INFROMASI DAN ILMU KOMPUTER PRIMA (JUSIKOMP)
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34012/jusikom.v3i2.847

Keamanan telah menjadi aspek yang sangat penting untuk mengamankan data. Salah satu upaya pengamanan data adalah dengan kriptografi. Kriptografi adalah ilmu yang mempelajari bagaimana supaya pesan atau dokumen tetap aman, tidak dapat dibaca oleh pihak yang tidak berhak (anauthorized persons). Pada penelitian ini algoritma kriptografi yang digunakan adalah algoritma XXTEA (Corrected Block Tiny Encryption Algorithm) untuk melakukan pengamanan data pada proses pengiriman data aplikasi E-Surat. Sistem ini dibuat dengan menggunakan Node.js dengan bahasa pemrograman Javascript dan Express sebagai kerangka kerjanya. Uji performa pada penelitian ini dibagi menjadi dua kasus, yaitu uji performa aplikasi dan uji performa algoritma. Uji performa aplikasi menunjukan jumlah request per second yang dapat dihasilkan pada penggunaan 10 node CPU tidak stabil dan memiliki ruang nilai yang rendah. Nilai tertinggi request per second yang dapat dihasilkan adalah sebesar 26 request yaitu saat nilai concurent-nya 4 dan 256. Sedangkan nilai terendah request per second-nya adalah 20 yaitu saat nilai concurent-nya 512 Dari hasil uji performa algoritma XXTEA, dapat disimpulkan bahwa waktu enkripsi dan dekripsi pada algoritma XXTEA relatif cepat. Rata-rata waktu yang digunakan XXTEA untuk mengenkripsi pesan adalah 2.23987272 ms. Sedangkan, rata-rata waktu yang dihasilkan algoritma XXTEA untuk mendekripsi pesan adalah 2.05297956 ms.

Penerapan Blockchain Untuk Keamanan Data Rekam Medis Elektronik : Literatur Review Nicholas Alexander; Monalisa; Bayu Angga Wijaya; Rico Wijaya Dewantoro
AT-TAKLIM: Jurnal Pendidikan Multidisiplin Vol. 2 No. 3 (2025): At-Taklim: Jurnal Pendidikan Multidisiplin (Edisi Maret)
Publisher : PT. Hasba Edukasi Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.71282/at-taklim.v2i3.210

Blockchain is a modern technology with the capability to create a high level of transparency in data processing. Due to this capability, blockchain has begun to evolve across various sectors, one of which is the healthcare sector. This literature review examines the implementation of blockchain in healthcare systems, focusing on security management in electronic medical records (EMR) and clinical trial data management. A total of 20 journals published between 2019 and 2024 were reviewed, sourced from Google Scholar. The objective of this literature review is to gather information and data based on parameters determined by the researchers. The findings indicate that the utilization of blockchain for data security in the healthcare sector is predominantly applied to Electronic Medical Records (EMR). Furthermore, despite blockchain's significant potential across various fields, particularly in healthcare, this literature review also highlights several limitations of blockchain technology. The conclusion of this study suggests that with further innovation, blockchain can play a crucial role in enhancing security within digital healthcare, making it safer and more efficient.

Implementasi Algoritma K-Means Dalam Mengukur Tingkat Kepuasan Siswa Terhadap Pelayanan Pada SMA Swasta Bani Adam AS Tanjung, Juliansyah Putra; Wijaya, Bayu Angga; Ridho, Muhammad
Data Sciences Indonesia (DSI) Vol. 3 No. 1 (2023): Article Research Volume 3 Issue 1, June 2023
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v3i1.2775

Pendidikan merupakan aspek penting dalam pembangunan suatu negara. Peningkatan kualitas pendidikan adalah suatu hal yang krusial bagi kemajuan suatu bangsa. Dalam rangka meningkatkan kualitas pendidikan, perlu adanya evaluasi yang teratur terhadap kinerja sekolah. SMA Swasta Bani Adam As merupakan salah satu sekolah swasta yang berkomitmen untuk memberikan pelayanan terbaik bagi siswa. Namun, perlu adanya evaluasi terhadap tingkat kepuasan siswa terhadap pelayanan yang diberikan oleh sekolah secara teratur Algoritma k-means merupakan salah satu algoritma clustering yang digunakan untuk mengelompokkan data berdasarkan kesamaan fitur atau atribut. Dengan tahapan awal melakukan pengumpulan data set, menganalisis data yang didapatkan, melakukan clustering dan implementasi. Setelah dilakukan semua proses sampai iterasi atau perulangan berhenti maka data dengan cluster tidak berpindah lagi dan merupakan data akhir dari pengujian. terlihat bahwa 8 dari 10 data menunjukkan bahwa jarak terdekat berada pada K1 yang merupakan kategori “Kurang Puas” terhadap pelayanan yang diberikan. Sedangkan sisa data untuk kategori “Cukup Puas” dan “Puas” oleh karena itu dapat disimpulkan bahwa Dari penerapan metode clustering dengan menggunakan algoritma K-Means yang diaplikasikan pada data set menghasilkan grafik kepuasan siswa dengan data kurang puas sebanyak 86 siswa atau sejumlah 43 %, cukup puas sebanyak 69 siswa atau sejumlah 34,5 % dan puas 45 siswa atau sejumlah 22,5 %.

Supply Chain Analysis in the Health Sector Using Gradient Boosting Regression Algorithm Wijaya, Bayu Angga; Halawa, Nestina
JURNAL TEKNOLOGI DAN ILMU KOMPUTER PRIMA (JUTIKOMP) Vol. 8 No. 1 (2025): Jurnal Teknologi dan Ilmu Komputer Prima (JUTIKOMP)
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34012/jutikomp.v8i1.6822

Supply chain analysis in healthcare is a crucial aspect in ensuring efficient and optimized resource distribution. This study uses the Gradient Boosting Regression algorithm to predict demand in healthcare supply chains to improve the accuracy of stock planning and management trained using supply datasets from hospitals. The model evaluation results show that most of the predictions are close to the actual values, as seen from the points clustered around the reference line. Despite the slight deviations, the Mean Absolute Error (MAE) value of 157.16 indicates that the average prediction error is relatively small compared to the demand scale which ranges from 0 to 14,000. This indicates that the Gradient Boosting Regression model performs reasonably well in estimating supply chain demand in the healthcare sector. Thus, this approach has the potential to be used in more accurate decision-making, in order to improve the efficiency of distribution and availability of health resources

Analisa Komparasi dengan Algoritma K-Nearest Neighbor (KNN) dan Support Vector Machine (SVM) untuk Prediksi Penyakit Jantung Nainggolan, Johannes Kristian; Sinaga, Ferdinand; Sitorus, Andriani M.; Khairia, Anisa; Wijaya, Bayu Angga
Dinamik Vol 30 No 2 (2025)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v30i2.10254

Tingkat keberhasilan deteksi penyakit jantung sangat bergantung pada akurasi model klasifikasi yang digunakan. Penelitian ini bertujuan membandingkan kinerja dua algoritma klasifikasi, yaitu K-Nearest Neighbor (KNN) dan Support Vector Machine (SVM), dalam mendeteksi penyakit jantung menggunakan dataset berjumlah 1025 sampel dengan dua kelas target, yakni sehat dan penyakit jantung. Proses pra-pemrosesan data meliputi pembersihan dan normalisasi fitur medis seperti usia, tekanan darah, serta kadar kolesterol. Evaluasi performa model dilakukan menggunakan metode Confusion Matrix, K-Fold Cross Validation, kurva Receiver Operating Characteristic (ROC), dan kurva Precision-Recall untuk mengukur akurasi, presisi, recall, serta keseimbangan antara presisi dan recall. Hasil pengujian menunjukkan bahwa algoritma KNN unggul dalam menghasilkan akurasi tinggi yaitu 99% dengan AUC ROC sempurna 1.00 dan presisi yang hampir konsisten sepanjang recall, sementara SVM menunjukkan performa stabil dengan akurasi 91%, AUC ROC 0.97, dan AP Precision-Recall sebesar 0.96. Penelitian ini menegaskan efektivitas KNN dalam menghasilkan prediksi penyakit jantung yang sangat akurat dengan potensi risiko overfitting pada parameter k kecil, sedangkan SVM memberikan kestabilan model dengan kemampuan generalisasi yang lebih baik. Temuan ini diharapkan dapat menjadi referensi dalam pemilihan algoritma klasifikasi yang sesuai untuk mendukung diagnosis penyakit jantung secara klinis.

Desain Protokol Keamanan Data Berbasis Blockchain pada Pengolahan Data Pengguna Aplikasi E-commerce Purba, Risky Pradipa; Wijaya, Bayu Angga; Nazara, Leni Wati; Utami, Sekar Suryati
METIK JURNAL (AKREDITASI SINTA 3) Vol. 9 No. 2 (2025): METIK Jurnal
Publisher : LPPM Universitas Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47002/gbywas22

Data security is a crucial aspect in developing e-commerce applications, considering the high risk of user data leakage. This study aims to design, implement simulations, and analyze blockchain technology-based security protocols to comprehensively improve protection of user data in e-commerce systems. The methods used include literature studies, system requirements analysis, and protocol architecture design using a smart contract approach on the Ethereum Testnet platform. The results of this study indicate that this protocol design is very effective in the form of a protocol design that supports data integrity, transparency, and authentication through decentralization and cryptography features in the blockchain. Specifically, testing proves 100% success in data encryption using AES-256 and 100% success in recording data hashes using SHA-256 to the blockchain. This design has also been shown to be able to distinguish and reject unauthorized access and record all activities, both on-chain and off-chain, supporting the principle of non-repudation. Operational efficiency is also seen with an average data transaction completion time of 4.2 seconds, indicating that this system is quite responsive for an e-commerce environment. With this approach, the developed protocol significantly minimizes the potential for data manipulation and misuse by irresponsible parties. This simulation implementation clearly demonstrates how blockchain can be adopted in the context of cybersecurity to support higher user trust in e-commerce platforms, as well as ensure data privacy protection through encrypted off-chain storage of data.

OPTIMALISASI PRODUKSI ARANG RAMAH LINGKUNGAN DENGAN SMART SYSTEM BERBASIS AI DAN IOT DI DESA PUNGGULAN, KABUPATEN ASAHAN Tansa Trisna Astono Putri; Bayu Angga Wijaya; Hanapi Hasan
JURNAL PENGABDIAN KEPADA MASYARAKAT Vol. 31 No. 4 (2025): Oktober-Desember
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/jpkm.v31i4.69316

Produksi arang tradisional di Desa Punggulan, Kabupaten Asahan, kerap menghadapi tantangan pada aspek kualitas dan dampak lingkungan akibat proses pembakaran yang belum optimal dan kurang terkontrol. Kegiatan pengabdian masyarakat ini bertujuan mengimplementasikan smart system berbasis Artificial Intelligence (AI) dan Internet of Things (IoT) untuk memprediksi serta mengendalikan kualitas arang secara real-time guna mendukung produksi yang ramah lingkungan. Metode yang digunakan meliputi pelatihan dan pendampingan masyarakat dalam pemanfaatan perangkat sensor IoT untuk pemantauan suhu dan kelembapan pada tungku pembakaran, serta penggunaan algoritma AI untuk analisis prediksi kualitas hasil arang. Hasil kegiatan menunjukkan adanya peningkatan pemahaman masyarakat terhadap teknologi digital dan kemampuan mengoperasikan smart system, yang berdampak pada peningkatan efisiensi proses produksi dan penurunan emisi limbah pembakaran. Kesimpulannya, penerapan smart system berbasis AI dan IoT terbukti efektif dalam mendukung optimalisasi produksi arang ramah lingkungan dan memberdayakan masyarakat menuju industri berbasis teknologi di pedesaan.

Title

Found 21 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 21 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 21 Documents
Search