Article Per Year (5 Year)
p-Index From 2020 - 2025
1.152
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Farmasi Galenika (Galenika Journal of Pharmacy) Desimal: Jurnal Matematika Medika Teknika : Jurnal Teknik Elektromedik Indonesia Journal of Energy, Material, and Instrumentation Technology TeknoKreatif: Jurnal Pengabdian kepada Masyarakat
Siburian, Marsudi
Unknown Affiliation
Biochemistry, Genetics & Molecular Biology Chemistry Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Energy Engineering Health Professions Immunology & microbiology Materials Science & Nanotechnology Mathematics Medicine & Pharmacology Physics Social Sciences Other

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
Pengenalan Augmented & Virtual Reality sebagai Media Pembelajaran Alternatif di Sekolah Ar-Raihan Setiawan, Rudi; Kholida, Putri; Jarwinda, Jarwinda; Siburian, Marsudi; Dermawijaya, Boyke Iskandarsyah; Azizah, Dewi Nur; Chairunnisa, Devina Azzahra; Yulianti, Wayan Rifa; Nuhan, Hudan Khalish
TeknoKreatif: Jurnal Pengabdian kepada Masyarakat Vol 1 No 2 (2021): TeknoKreatif: Jurnal Pengabdian kepada Masyarakat
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LP2M), Institut Teknologi Sumatera, Lampung, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35472/teknokreatif.v1i2.514

Abstract

Pemanfaatan augmented reality dan virtual reality sebagai media pembelajaran dapat menstimulasi pola pikir siswa untuk mampu kritis terhadap suatu kondisi dan memberikan pemahaman dalam menvisualisasikan konsep abstrak dan struktur suatu model objek yang lebih efektif. Adapun dilaksanakannya kegiatan ini guna meningkatkan pemahaman para guru di Sekolah Ar-Raihan terkait pemanfaatan media pembelajaran alternatif dengan augmented reality dan virtual reality. Metode yang digunakan menggunakan teknik presentasi, yakni metode ceramah dan dilanjutkan dengan proses diskusi berupa tanya jawab dan praktik. Evaluasi kegiatan dilakukan dengan mengumpulkan dan menyimpulkan data dari masing-masing hasil pre-test, post-test dan survey kepuasaan peserta. Dari hasil survei tingkat kepuasan peserta terhadap kegiatanmenunjukkan persentase baik sebesar 50%, sangat baik 43% dan cukup baik sebesar 7%. Lalu, indikator sangat mengetahui peserta terhadap pemahaman materi meningkat dari sebelumnya tidak paham atau 0% menjadi rata-rata sebesar 37,2%. Hal tersebut mengidentifikasikan bahwa peserta menyambut baik dan antusias dengan kegiatan ini.
Pemeriksaan Citra Mikroskop Menggunakan Graphical User Interface dengan Python pada Raspberry Pi Hidayat, Cahyadi A.; Muttaqin, Muhammad; Algifari, Muhammad H.; Ramadhani, Uri A.; Faisal, Amir; Siburian, Marsudi; Rahman, Yusuf A.
Medika Teknika : Jurnal Teknik Elektromedik Indonesia Vol. 5 No. 2 (2024): April
Publisher : Universitas Muhammadiyah Yogyakarta, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18196/mt.v5i2.18226

Abstract

Pengamatan objek mikroskopis seperti bakteri, parasit, atau virus menggunakan mikroskop cahaya untuk tujuan diagnosis berbagai penyakit memerlukan ketelitian yang tinggi, sangat melelahkan, memerlukan waktu yang lama, serta subjektifitas pengamat juga cukup tinggi. Oleh karena itu, mikroskop digital, otomatis, portabel, dan compact dirancang berbasis komputer mini raspberry pi agar mengurangi kelelahan dan subjektivitas dalam pengamatan sampel berukuran mikroskopis dalam jumlah yang banyak. Untuk mendukung alat bantu tersebut, platform graphical user interface (GUI) dirancang menggunakan bahasa pemrograman python untuk memfasilitasi interaksi pengamat dan mikroskop digital, sehingga dapat menyimpan citra pengamatan sampel laboratorium dalam format digital dan dapat dilakukan operasi pengolahan citra maupun pengujian model Convolutional Neural Network (CNN) pada layar LCD berbasis raspbery pi. Pengujian penggunaan platform GUI, pengolahan citra, dan model CNN telah dilakukan pada raspberry pi melalui interaksi lewat layar LCD. Operasi pengolahan citra dan penghitungan jumlah objek dengan nilai akurasi 56,21%, serta pengujian model CNN dengan nilai akurasi 98,76% dapat dieksekusi dengan baik pada platform GUI ini dengan waktu eksekusi selama 2-3 detik. Dengan dirancangnya platform GUI pada mikroskop digital berbasis komputer mini raspberry pi ini diharapkan dapat mempermudah tenaga kesehatan untuk menginterpretasi hasil pemeriksaan laboratorium dibandingkan dengan inspeksi manual sampel melalui penglihatan yang memerlukan ketelitian tinggi serta melelahkan sehingga ia dapat meningkatkan layanan kesehatan di berbagai daerah terpencil di Indonesia dan berkontribusi dalam penurunan dan eliminasi berbagai penyakit.
The Implementation of Regularized Markov Clustering with Pigeon Inspired Optimization Algorithm in Analyzing the SARS-CoV-2 (COVID-19) Protein Interaction Network Wisnubroto, M. Syamsuddin; Siburian, Marsudi; Irawati, Febri Dwi
Desimal: Jurnal Matematika Vol. 3 No. 3 (2020): Desimal: Jurnal Matematika
Publisher : Universitas Islam Negeri Raden Intan Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24042/djm.v3i3.6822

Abstract

Proteins interact with other proteins, DNA, and other molecules, forming large-scale protein interaction networks and for easy analysis, clustering methods are needed. Regularized Markov clustering algorithm is an improvement of MCL where operations on expansion are replaced by new operations that update the flow distributions of each node. But to reduce the weaknesses of the RMCL optimization, Pigeon Inspired Optimization Algorithm (PIO) is used to replace the inflation parameters. The simulation results of IPC SARS-Cov-2 (COVID-19) inflation parameters  get the result of 42 proteins as the center of the cluster and 8 protein pairs interacting with each other. Proteins of COVID-19 that interact with 20 or more proteins are ORF8, NSP13, NSP7, M, N, ORF9C, NSP8, and NSP1. Their interactions might be used as a target for drug research.
The Encapsulation Effect on Viability of Mesenchymal Stem Cells: Pengaruh Enkapsulasi Terhadap Viabilitas Sel Punca Mesenkimal Siburian, Marsudi; Sismindari; Rilianawati
Jurnal Farmasi Galenika (Galenika Journal of Pharmacy) (e-Journal) Vol. 7 No. 1 (2021): (March 2021)
Publisher : Universitas Tadulako

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22487/j24428744.2021.v7.i1.15258

Abstract

Stem cells are potentially used as a regenerative therapy agent. Cell encapsulation is one of the developed methods to utilize Mesenchymal Stem Cells (MSCs) for therapy. This research aimed to study the effect of encapsulation using alginate-CaCl2 towards the viability of hAdMSCs during in vitro culture. Encapsulation of hAdMSCs with alginate-CaCl2 was done using the extrusion method. The viability of hAdMSCs was analyzed with Live/Dead Assay and MTT assay. The results indicated that cultured hAdMSCs within alginate remain alive for 7 days culture period. However, the viability was lower than the reference culture. The absorbances from MTT assay of encapsulated MSCs were lower than the conventional hAdMSCs culture. This result indicated lower metabolic activity of hAdMSCs when cultured in alginate beads.
Deteksi Malaria Berbasis Segmentasi Warna Citra dan Pembelajaran Mesin Setiawan, Agung W.; Rahman, Yusuf A.; Faisal, Amir; Siburian, Marsudi; Resfita, Nova; Gifari, Muhammad W.; Setiawan, Rudi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 4: Agustus 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021844377

Abstract

Di beberapa daerah di Indonesia, malaria masih merupakan salah satu penyakit endemik dan termasuk ke dalam kategori penyakit menular dengan vektor nyamuk Anopheles. Penurunan jumlah mortalitas penderita malaria ini telah menjadi program Pemerintah Indonesia dan World Health Organization. Salah satu hal penting yang dapat dilakukan adalah menyediakan alat diagnosis malaria yang cepat dan akurat berbantukan komputer. Oleh karena itu, pada studi ini dikembangkan sebuah metode deteksi malaria berbasis segmentasi warna citra yang dikombinasikan dengan metode pencacahan objek citra dan pembelajaran mesin berbasis Convolutional Neural Network. Pada studi ini, segmentasi citra dilakukan dengan menetapkan suatu nilai ambas batas tertentu (thresholding) pada model warna HSV. Nilai ambang batas untuk masing-masing kanal warna ditetapkan sebagai berikut: H = 100-175, S = 100-250, dan V = 60-190. Terdapat tiga skema pembelajaran mesin yang digunakan, yaitu citra asli menggunakan RMSProp optimizer, citra tersegmentasi menggunakan RMSProp dan Adam optimizer. Akurasi pelatihan dan validasi CNN tertinggi diperoleh dengan skema citra tersegmentasi menggunakan RMSProp optimizer, yaitu sebesar 92,77% dan 94,38%. Sementara, deteksi malaria berbasis pencacahan objek memiliki akurasi sebesar 93,78%. Meskipun deteksi malaria berbasis pencacahan objek memiliki akurasi 93,78%, tetapi sumber daya komputasi dan waktu yang diperlukan jauh lebih rendah.AbstractMalaria is still one of the endemic diseases in several regions of Indonesia. Reducing the malaria mortality rate has become a notable programme, not only does the Government of the Republic of Indonesia project it, but also the World Health Organization has a similar plan to tackle this disease. One of the prominent concerns to properly promote this programme is providing a rapid and accurate malaria diagnosis tool by applying the computer-aided diagnostics to minimize human errors. The aim of this study is to develop a colour microscopic image-based malaria detection using object counting and CNN-based machine learning. In this research, the HSV colour model with threshold values of H: 100-175, S: 100-250, and V: 60-190 was used to remove the image background. There are three machine learning schemes implemented in this study, i.e. original image using RMSProp optimizer, segmented image using RMSProp and Adam optimizer. The highest training and validation accuracy of CNN were obtained using a segmented image scheme by the RMSProp optimizer, 0.9277 and 0.9438. On the contrary, object-based malaria detection has an accuracy of 93.78%. Furthermore, there are several considerations to determine the malaria detection method, i.e. accuracy, computational resources, and time. Even though malaria detection using object counting has an accuracy of 93.78%, lower than the accuracy of CNN validation, the computational resources and time required are much lower and faster. Therefore, this detection method is suitable for smartphone-based devices with low-middle end specifications.
Fabrication of Bioceramic Carbonated Hydroxyapatite–Chitosan Composite Scaffold Derived from River Snail Shells via Freeze-Drying for Bone Grafting Applications Wati, Rosita; Alnovera, Vayza Deva; Herbanu, Aldi; Endah; Tresnaningtyas, Sekar Asri; Gifari, Muhammad Wildan; Siburian, Marsudi
Journal of Energy, Material, and Instrumentation Technology Vol 6 No 4 (2025): Journal of Energy, Material, and Instrumentation Technology (In Press)
Publisher : Departement of Physics, Faculty of Mathematics and Natural Sciences, University of Lampung

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

Abstract

Co-Authors Algifari, Muhammad H. Alnovera, Vayza Deva Chairunnisa, Devina Azzahra Dermawijaya, Boyke Iskandarsyah Endah Faisal, Amir Gifari, Muhammad W. Gifari, Muhammad Wildan Herbanu, Aldi Hidayat, Cahyadi A. Irawati, Febri Dwi Jarwinda, Jarwinda Kholida, Putri Muhammad Muttaqin Nuhan, Hudan Khalish Purwoko, Agus Rahman, Yusuf A. Ramadhani, Uri A. Resfita, Nova Rilianawati Rosita Wati Rudi Setiawan Setiawan, Agung W. Sismindari Tresnaningtyas, Sekar Asri Wisnubroto, M. Syamsuddin Yulianti, Wayan Rifa