Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Mahasiswa TEUB Software Development Digital Business Intelligence and Computer Engineering TEKAD : Teknik Mengabdi
Avian, Cries
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Environmental Science Social Sciences Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Klasifikasi Multi Kelas Untuk Mendeteksi Sinyal Detak Jantung Janin Pada CTG Menggunakan Thresholding Feature Importance dan ResNet Multimodal Subono, Subono; Ayatullah, Mohamad Dimyati; Pramono, Sholeh Hadi; Yudaningtyas, Erni; Muslim, M. Aziz; Rohmatillah, Mahdin; Avian, Cries
Software Development, Digital Business Intelligence, and Computer Engineering Vol. 4 No. 01 (2025): SESSION (SEPTEMBER)
Publisher : Politeknik Negeri Banyuwangi Jl. Raya Jember km. 13 Labanasem, Kabat, Banyuwangi, Jawa Timur (68461) Telp. (0333) 636780

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57203/session.v4i1.2025.44-54

Abstract

Metode konvensional untuk memantau kondisi janin melalui rekaman denyut nadi janin (FHR) dan kontraksi uterus (UC), cardiotocography (CTG), dilakukan secara manual. Interpretasi manual CTG sering menyebabkan variasi antar pengamat dan meningkatkan kemungkinan kesalahan dalam mengidentifikasi hipoksia janin.   Untuk memecahkan masalah tersebut, penelitian ini menyarankan teknik klasifikasi multi-kelas (Normal, Suspect, dan Hipoksia) yang menggunakan kombinasi ResNet multimodal dan Thresholding Importance Feature.   Sebelum proses sinyal FHR, sampel, normalisasi, dan segmentasi berbasis time-window segmentation dilakukan. Selanjutnya, fitur klinis dan statistik seperti STV, LTV, akselerasi, deselerasi, pH, dan skor Apgar diekstrak.  Selanjutnya, metode yang menggabungkan nilai gain, permutation, dan pilihan stabilitas digunakan untuk memilih stabilitas dengan nilai fitur terendah.   Tiga cabang terdiri dari arsitektur multimodal yang dikembangkan: 1D-ResNet untuk sinyal FHR mentah; 2D-ResNet untuk representasi citra (time-frequency/spectrogram); dan MLP untuk data tabular hasil ambang.   Ketiga cabang difusi melalui lapisan yang benar-benar terhubung untuk menghasilkan prediksi akhir multi-kelas.   Hasil uji menunjukkan bahwa model memiliki akurasi 84,6%, skor F1 83, dan skor AUROC di atas 0,9.   Kelas Suspect menunjukkan sensitivitas yang lebih tinggi, dan Kelas Normal menunjukkan prestasi terbaik.   Studi ini menunjukkan bahwa fusi multimodal dengan thresholding fitur dapat meningkatkan keandalan sistem klasifikasi CTG multi-kelas dan memberikan kontribusi berupa pipeline hibrid yang efisien dan relevan klinis.  Sebaliknya, kurva ROC dan analisis confusion matrix menunjukkan kemampuan diskriminatif yang baik. Tingkat risiko evaluasi mencapai 40%, yang sesuai dengan rekomendasi klinis
STUDI KOMPARASI ANALISIS PENGGUNAAN ARSITEKTUR SSD, YOLOV8, YOLOV11 DAN RF-DETR DALAM OBJEK DETEKSI PENYAKIT GINGIVITIS PADA CITRA INTRAORAL Rahman, Achmad Zain Nur; Avian, Cries; Razak, Angger Abdul
Jurnal Mahasiswa TEUB Vol. 14 No. 4 (2026)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Gingivitis merupakan peradangan pada jaringan gingiva yang dapat berkembang menjadi penyakit periodontal yang lebih serius apabila tidak ditangani sejak dini. Penelitian ini bertujuan untuk membandingkan kinerja arsitektur SSD300-VGG16, YOLOv8n, YOLOv11n, dan RF-DETR Nano dalam mendeteksi gingivitis pada citra intraoral, serta menganalisis pengaruh augmentasi data terhadap performa model. Dataset yang digunakan terdiri dari 1.095 citra intraoral dengan 12.829 anotasi objek yang dibagi menjadi data training, validation, dan testing. Evaluasi model dilakukan menggunakan metrik mAP@0.5, precision, recall, F1-score, dan waktu inferensi. Hasil penelitian menunjukkan bahwa RF-DETR Nano memberikan performa terbaik dengan mAP 69,37%, precision 57,70%, recall 88,00%, F1-score 69,70%, dan waktu inferensi 17,85 ms. YOLOv8n memperoleh mAP 62,45%, precision 53,54%, recall 90,99%, F1-score 67,41%, dan waktu inferensi 6,18 ms, sedangkan YOLOv11n memperoleh mAP 57,79%, precision 50,54%, recall 90,43%, F1-score 64,84%, dan waktu inferensi 6,45 ms. SSD300-VGG16 menunjukkan performa terendah dengan mAP 29,25%, precision 63,65%, recall 45,15%, F1-score 52,82%, dan waktu inferensi 6,05 ms. Selain itu, augmentasi data secara umum meningkatkan performa deteksi pada seluruh model tanpa memberikan pengaruh signifikan terhadap waktu inferensi. Kata kunci: gingivitis, citra intraoral, YOLO, SSD, RF-DETR.
Quality Testing Assistance and Improvement of Production Facility Infrastructure for the Vigur Asri Women Farmers Group in Malang City Yudaningtyas, Erni; Santjojo, D.J. Djoko H.; Nurdiana; Arumingtyas, Estri Laras; Avian, Cries
TEKAD : Teknik Mengabdi Vol. 4 No. 2 (2025)
Publisher : Fakultas Teknik, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21776/ub.tekad.2025.04.2.10

Abstract

Efforts to improve the quality of Virgin Coconut Oil (VCO) products and enhance production facilities were carried out for the Vigur Asri Women Farmers Group (KWT) in Malang City. The main issue faced by the group was consumer complaints regarding rancid VCO products occurring before the expiration date. This problem was presumed to result from high moisture content and air contamination due to inadequate ventilation and hygiene in the production area. To address these issues, a community assistance program was implemented through training on moisture content testing based on the Indonesian National Standard (SNI 3781:2008) and the reorganization of the production room to improve air circulation. The testing process employed a simple, cost-effective method using an oven and an analytical balance, which was easy for participants to understand and apply. Activity evaluation focused on participants’ ability to follow testing procedures and comprehend product quality standards. The results showed that the VCO’s moisture content was successfully reduced to 0.2%, meeting the maximum limit required by SNI. Furthermore, the improvement of production facilities enhanced product quality and competitiveness. This program positively impacted the group’s capacity to produce high-quality VCO sustainably.
Co-Authors Angger Abdul Razak Ayatullah, Mohamad Dimyati Erni Yudaningtyas Estri Laras Arumingtyas Muhammad Aziz Muslim Nurdiana Rahman, Achmad Zain Nur Rohmatillah, Mahdin Santjojo, D.J. Djoko H. Subono, Subono