Garuda - Garba Rujukan Digital

Classification of diabetic foot ulcer using convolutional neural network (CNN) in diabetic patients Mawaddah Harahap; Sai Kumarani Anjelli; Widy Anggun M. Sinaga; Ryan Alward; Junio Fegri Wira Manawan; Amir Mahmud Husein
JURNAL INFOTEL Vol 14 No 3 (2022): August 2022
Publisher : LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/infotel.v14i3.796

The image of chronic wounds on human skin tissue has the similar look in shape, color and size to each other even though they are caused by different diseases. Diabetic ulcer is a condition where peripheral arterial blood vessels are disrupted due to hyperglycemia in people with diabetes mellitus. This research was aimed to analyze the accuracy of the Convolutional Neural Network algorithm in classifying diabetic ulcer disease with a transfer learning approach based on the appearance of the image of the wound on the sole in people with diabetes mellitus. By applying the transfer learning approach, the results showed that the Resnet152V2 model achieved the best accuracy value of 0.993 (99%), precision of 1.00, recall of 0.986, F1-Score of 0.993 and Support of 72. Therefore, the ResNet152V2 model was highly considered for classifying diabetic ulcer in patients with diabetes melitus.

Sentiment Analysis of Indonesia Covid-19 Vaccine on Twitter Using Naïve Bayes Classifier Muhammad Ridho; Amir Mahmud Husein; Yennimar; Vivian Benita Halawa; Nova Anjelia Pasaribu; Suraj Kumar
Data Sciences Indonesia (DSI) Vol. 3 No. 2 (2023): Article Research Volume 3 Issue 2, December 2023
Publisher : ITScience (Information Technology and Science)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v3i2.2959

Analisis sentimen merupakan suatu teknik untuk menggali informasi berupa pandangan (sentimen) seseorang terhadap suatu isu atau peristiwa. Analisis sentimen dapat dilakukan pada media sosial Twitter dengan memanfaatkan Tweet dari pengguna dengan menghasilkan klasifikasi berupa penilaian positif, negatif atau netral. Salah satu topik yang bisa dianalisis adalah program vaksinasi COVID-19. Dengan banyaknya jenis atau merek dagang pada vaksin, hal ini menimbulkan permasalahan terkait dengan beragamnya opini masyarakat terhadap vaksin tersebut. Penelitian ini bertujuan untuk mengetahui keakuratan metode yang digunakan terhadap hasil klasifikasi pada analisis sentimen masyarakat mengenai vaksin di media sosial Twitter. Metode yang digunakan dalam penelitian ini adalah Naive Bayes Classifier. Penerapan metode ini digunakan pada dataset yang diperoleh dengan melakukan crawling pada data tweet terkait topik vaksin covid-19. Jumlah dataset yang berhasil diperoleh sebanyak 8000+ tweet mulai tanggal 15 hingga 24 Desember dengan proses pengambilan manual karena keterbatasan pengambilan tweet. Hasil akurasi metode Naive Bayes Classifier sebesar 0,93 (93%) dengan perolehan klasifikasi jumlah tweet berlabel positif 2275 (60,2%), negatif 201 (5,3%), dan netral 1304 (34,5%). ). Berdasarkan akurasi tinggi yang dihasilkan dari penerapan metode NBC pada penelitian ini, maka metode NBC sangat dipertimbangkan untuk mengklasifikasikan label untuk analisis sentimen pada topik vaksin covid-19.

Comparison of Tubercolosis Detection Using CNN Models (AlexNet and ResNet) Putra, Adya Zizwan; Amir Mahmud Husein; Nicholas; Frederico Wijaya; Aribel
Sinkron : jurnal dan penelitian teknik informatika Vol. 8 No. 4 (2024): Article Research Volume 8 Issue 4, October 2024
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v8i4.13979

The bacterial infection caused by Mycobacterium tubercolosis, leading to tubercolosis is a prevalent contagious disease. This bacterium commonly targets the primary respiratory organs, particularly the lungs. Tuberculosis poses a significant global health challenge and necessitates early detection for effective management. In this context, to facilitate healthcare professionals in the early detection of patients, a technology capable of accurately identifying lung conditions is required. Therefore, CNN (Convolutional Neural Network) will be employed as the algorithm for detecting lung images. The research will utilize Convolutional Neural Network models, namely AlexNet and ResNet. The study aims to compare the performance of these two models in detecting TB through the analysis of chest X-ray images. The dataset comprises X-rays from both normal patients and TB patients, totaling 4.200 data points. The training process involves dividing the data into training and validation sets, with an 80% allocation for training and 20% for validation. The evaluation results indicate that the AlexNet model demonstrates higher detection accuracy, reaching 88.33% on the validation data, while ResNet achieves 83.10%. These findings suggest that the use of CNN models, especially AlexNet, can be an effective approach to enhancing early tuberculosis detection through the interpretation of chest X-ray images, with potential implications for improving global TB management and prevention efforts.

Pembuatan Aplikasi Absensi Berbasis Website Pada POLDA Sumatera Utara Zizwan Putra, Adya; Amir Mahmud Husein; Yennimar; Rico Aldinata Tarigan
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.v3i1.2802

Perkembangan teknologi dan penyebaran informasi menjadi semakin cepat berbagai aspek kehidupan, baik aspek sosial, politik, budaya, pendidikan dan pekerjaan. Perkembangan ini membuat banyak kegiatan operasional perusahaan yang menjadi lebih efisien dan efektif, salah satunya adalah kegiatan pencatatan kehadiran (absensi). Absensi menjadi salah satu aspek utama penilaian terkait ketaatan kehadiran dan kedisiplinan karyawan pada saat jam kerja. Hal ini dikarenakan absensi dapat mempengaruhi kinerja karyawan khususnya di Polda Sumatera Utara. Di Polda Sumatera Utara, sistem absensi sudah menggunakan mesin fingerprint. Namun, detektor pada mesin fingerprint seringkali mengalami masalah sehingga karyawan harus melakukan fingerprint berulang-ulang agar sidik jari dapat dikenali sensorPenelitian ini menggunakan berbagai metode yaitu metode pengamatan secara langsung terhadap kegiatan-kegiatan yang dilakukan di Polda Sumatera Utara, wawancara dengan karyawan Polda Sumatera Utara yang berkaitan langsung dengan masalah yang diteliti dan Jurnal yang berhubungan dengan penelitian yang dilakukan. Diharapkan aplikasi yang dirancang dapat menjadi solusi yang efektif dalam penyelesaian permasalahan yang dihadapi oleh Polda Sumatera Utara terutama dalam kegiatan absensi karyawan. Pengujian pada aplikasi kehadiran karyawan dilakukan agar dapat memastikan bahwa aplikasi dapat berjalan dengan baik dan tidak ada debugging pada sistem.Aplikasi kehadiran karyawan dirancang dengan model waterfall melalui empat tahapan yang dilakukan yaitu analisis kebutuhan, desain antarmuka pengguna, implementasi aplikasi, dan pengujian aplikasi, Melalui aplikasi ini, pihak Polda Sumatera Utara dapat melakukan mencatat, memeriksa, mengubah dan menyusun laporan kehadiran karyawan berbasis website, Penambahan karyawan, pengubahan data user, beserta pengunduhan laporan dalam aplikasi ini hanya dapat dilakukan oleh admin untuk menghindari kebocoran data yang terkait dengan aplikasi tersebut.

A Hybrid Vision Transformer Model for Efficient Waste Classification Amir Mahmud Husein; Baren Baruna Harahap; Tio Fulalo Simatupang; Karunia Syukur Baeha; Bintang Keitaro Sinambela
Jurnal Ilmu Komputer dan Informasi Vol. 18 No. 2 (2025): Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Informatio
Publisher : Faculty of Computer Science - Universitas Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21609/jiki.v18i2.1545

The rapid and accurate sorting of municipal waste is essential for efficient recycling and sustainable resource recovery. Most existing AI solutions focus only on four common materials (plastic, paper, metal, and glass), overlooking many other routinely encountered waste types and losing accuracy when applied to the mixed waste compositions seen in operational environments. We introduce HR-ViT, a hybrid network that combines ResNet50 residual blocks, which capture fine-grained local cues, with Vision Transformer global self-attention. Trained on a balanced six-class benchmark of about 775 images per class (plastic, paper, organic, metal, glass, batteries), HR-ViT attains 98.27 % accuracy and a macro-averaged F1-score of 0.98, outperforming a pure ViT, VT-MLH-CNN, and Garbage FusionNet by up to five percentage points in both metrics. Gains arise from selective fine-tuning of the last ten ResNet layers, lightweight ViT hyper-parameter optimisation, and targeted data augmentation that mitigates cluttered backgrounds, uneven lighting, and object deformation. These results show that hybrid attention-residual architectures provide reliable predictions under complex imaging conditions. Future work will extend the method to multi-object scenes and domain-adaptive deployment in smart-city recycling systems.

Pembuatan Aplikasi Absensi Berbasis Website Pada POLDA Sumatera Utara Zizwan Putra, Adya; Amir Mahmud Husein; Yennimar; Rico Aldinata Tarigan
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.v3i1.2802

Perkembangan teknologi dan penyebaran informasi menjadi semakin cepat berbagai aspek kehidupan, baik aspek sosial, politik, budaya, pendidikan dan pekerjaan. Perkembangan ini membuat banyak kegiatan operasional perusahaan yang menjadi lebih efisien dan efektif, salah satunya adalah kegiatan pencatatan kehadiran (absensi). Absensi menjadi salah satu aspek utama penilaian terkait ketaatan kehadiran dan kedisiplinan karyawan pada saat jam kerja. Hal ini dikarenakan absensi dapat mempengaruhi kinerja karyawan khususnya di Polda Sumatera Utara. Di Polda Sumatera Utara, sistem absensi sudah menggunakan mesin fingerprint. Namun, detektor pada mesin fingerprint seringkali mengalami masalah sehingga karyawan harus melakukan fingerprint berulang-ulang agar sidik jari dapat dikenali sensorPenelitian ini menggunakan berbagai metode yaitu metode pengamatan secara langsung terhadap kegiatan-kegiatan yang dilakukan di Polda Sumatera Utara, wawancara dengan karyawan Polda Sumatera Utara yang berkaitan langsung dengan masalah yang diteliti dan Jurnal yang berhubungan dengan penelitian yang dilakukan. Diharapkan aplikasi yang dirancang dapat menjadi solusi yang efektif dalam penyelesaian permasalahan yang dihadapi oleh Polda Sumatera Utara terutama dalam kegiatan absensi karyawan. Pengujian pada aplikasi kehadiran karyawan dilakukan agar dapat memastikan bahwa aplikasi dapat berjalan dengan baik dan tidak ada debugging pada sistem.Aplikasi kehadiran karyawan dirancang dengan model waterfall melalui empat tahapan yang dilakukan yaitu analisis kebutuhan, desain antarmuka pengguna, implementasi aplikasi, dan pengujian aplikasi, Melalui aplikasi ini, pihak Polda Sumatera Utara dapat melakukan mencatat, memeriksa, mengubah dan menyusun laporan kehadiran karyawan berbasis website, Penambahan karyawan, pengubahan data user, beserta pengunduhan laporan dalam aplikasi ini hanya dapat dilakukan oleh admin untuk menghindari kebocoran data yang terkait dengan aplikasi tersebut.

Sentiment Analysis of Indonesia Covid-19 Vaccine on Twitter Using Naïve Bayes Classifier Muhammad Ridho; Amir Mahmud Husein; Yennimar; Vivian Benita Halawa; Nova Anjelia Pasaribu; Suraj Kumar
Data Sciences Indonesia (DSI) Vol. 3 No. 2 (2023): Article Research Volume 3 Issue 2, December 2023
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v3i2.2959

Analisis sentimen merupakan suatu teknik untuk menggali informasi berupa pandangan (sentimen) seseorang terhadap suatu isu atau peristiwa. Analisis sentimen dapat dilakukan pada media sosial Twitter dengan memanfaatkan Tweet dari pengguna dengan menghasilkan klasifikasi berupa penilaian positif, negatif atau netral. Salah satu topik yang bisa dianalisis adalah program vaksinasi COVID-19. Dengan banyaknya jenis atau merek dagang pada vaksin, hal ini menimbulkan permasalahan terkait dengan beragamnya opini masyarakat terhadap vaksin tersebut. Penelitian ini bertujuan untuk mengetahui keakuratan metode yang digunakan terhadap hasil klasifikasi pada analisis sentimen masyarakat mengenai vaksin di media sosial Twitter. Metode yang digunakan dalam penelitian ini adalah Naive Bayes Classifier. Penerapan metode ini digunakan pada dataset yang diperoleh dengan melakukan crawling pada data tweet terkait topik vaksin covid-19. Jumlah dataset yang berhasil diperoleh sebanyak 8000+ tweet mulai tanggal 15 hingga 24 Desember dengan proses pengambilan manual karena keterbatasan pengambilan tweet. Hasil akurasi metode Naive Bayes Classifier sebesar 0,93 (93%) dengan perolehan klasifikasi jumlah tweet berlabel positif 2275 (60,2%), negatif 201 (5,3%), dan netral 1304 (34,5%). ). Berdasarkan akurasi tinggi yang dihasilkan dari penerapan metode NBC pada penelitian ini, maka metode NBC sangat dipertimbangkan untuk mengklasifikasikan label untuk analisis sentimen pada topik vaksin covid-19.

Title

Found 7 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 7 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 7 Documents
Search