Article Per Year (5 Year)
p-Index From 2021 - 2026
2.147
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Bulletin of Electrical Engineering and Informatics Scientific Journal of Informatics Jurnal Sisfokom (Sistem Informasi dan Komputer) Journal of Information Systems and Informatics Abdimasku : Jurnal Pengabdian Masyarakat Jurnal Generic Jurnal Nasional Ilmu Komputer Dikdimas : Jurnal Pengabdian Kepada Masyarakat
Syaputra, Hadi
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Nursing Social Sciences

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Generic

 1 
Dilatasi Inkremental Menggunakan Metode CNN Untuk Klasifikasi Tumor Otak Dengan Arsitektur VCG16 dan Resnet50 Saputra, Tommy; Roseno, Muhammad Taufik; Syaputra, Hadi
Generic Vol 16 No 2 (2024): Vol 16, No 2 (2024)
Publisher : Fakultas Ilmu Komputer, Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18495/generic.v16i2.190

Abstract

Klasifikasi tumor otak adalah tugas yang menantang di bidang pemrosesan citra medis. Teknologi kini telah memungkinkan dokter medis untuk memiliki bantuan tambahan untuk diagnosis. Penelitian ini bertujuan untuk mengklasifikasikan tumor otak menggunakan gambar MRI, yang dikumpulkan dari pasien anonim dan simulator otak buatan. Baru-baru ini, teknik berbantuan komputer seperti menggunakan deep learning sebagai ekstraksi fitur, dan teknik klasifikasi digunakan secara intensif untuk mendiagnosis otak pasien untuk memeriksa apakah ada tumor. Dalam penelitian ini diusulkan model klasifikasi tumor otak menggunakan Convolutional Neural Network yang dapat menklasifikasikan tumor otak secara akurat. Data yang digunakan berupa data MRI tumor otak sebanyak 253 data tumor otak. Dataset yang dugankan dibagi menjadi data pelatihan dan pengujian. Penelitian menghasilkan model klasifikasi tumor otak dengan menggunakan arsitektur VCG16 dan Resnet50. Model menghasilkan nilai rata-rata akurasi sebesar 80%, Recall 85% dan Presisi 70%. Penelitian menunjukkan kinerja Resnet50 menunjukkan kemampuan model untuk mengklasifikasikan tumor otak secara akurat.
Co-Authors Ahmadi, Zahra Antoni, Darius Ari Muzakir Bastam, Mukhlis Nahriri Darmawahyuni, Annisa Dian Palupi Rini Fatoni, Fatoni Febriyanti Panjaitan Hermansyah Hermansyah Jayanti, Nirmala Kurniawan, Tri Basuki Muhammad Naufal Rachmatullah Muhammad Taufik Roseno, Muhammad Taufik Nearti, Yuwinti Nurmeyliandari, Revianty Oktarina, Serly Putri Mirani Radiyati Umi Partan, Radiyati Umi Rahmi Rahmi Roseno, M. Taufik Sapitri, Ade Iriani Saputra, Tommy Siti Nurmaini Siti Zubaidah Supratman, Edi Ubaidillah Ubaidillah Yudha Pratomo Zahro, Lailatuz