Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Jurnal Komputer Indonesia
Saputra, Wahyu S.J.
Unknown Affiliation
Computer Science & IT

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

Found 3 Documents
Search

 1 
IMPLEMENTASI CONTRAST LIMITED ADAPTIVE HISTOGRAM EQUALIZATION DALAM PENGOLAHAN CITRA PADA ALGORITMA GENERATIVE ADVERSARIAL NETWORK Attaqwa, Syukur Iman; Puspaningrum, Eva Yulia; Saputra, Wahyu S.J.
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5316

Abstract

Pengolahan citra, terutama teknik peningkatan kontras seperti Contrast Limited Adaptive Histogram Equalization (CLAHE), berperan krusial dalam meningkatkan kinerja model Generative Adversarial Networks (GANs). Penelitian ini mengevaluasi dampak CLAHE pada akurasi klasifikasi gambar menggunakan GANs. Hasil penelitian menunjukkan bahwa penerapan CLAHE berhasil meningkatkan akurasi klasifikasi sebesar 20% dibandingkan dengan model yang tidak menggunakan CLAHE, mencapai akurasi sebesar 76,20%. Temuan ini mengindikasikan bahwa CLAHE efektif dalam meningkatkan kualitas data gambar, sehingga model GAN dapat belajar fitur-fitur yang lebih relevan dan menghasilkan output yang lebih akurat.
Classification Of Brain Tumors Using The VGG19 Method Syah, Maulidya Prastita; Kristanaya, Mirechelin; Nariswari, Naura Ulayya; Azzahra, Melinda Putri; Pratama, Alfan Rizaldy; Saputra, Wahyu S.J.
Jurnal Komputer Indonesia Vol. 3 No. 2 (2024): Desember
Publisher : LPPJPHKI Universitas Dehasen Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37676/jki.v3i2.677

Abstract

Brain tumor is one of the diseases that has a high mortality rate and requires early detection to increase the chance of cure. In recent years, artificial intelligence-based methods, especially Deep Learning, have shown promising performance in brain tumor classification using Magnetic Resonance Imaging (MRI) images. This study applies the VGG19 architecture, one of the Convolutional Neural Network (CNN) models, to classify brain tumor types based on MRI images. The model is trained with data that has gone through augmentation and contrast enhancement processes to improve image quality before classification. The experimental results show that the VGG19 method is able to achieve high accuracy in brain tumor classification. These findings confirm the effectiveness of VGG19 in automatically detecting brain tumors and can be a supporting solution for medical personnel in performing early diagnosis.
IMPLEMENTASI CONTRAST LIMITED ADAPTIVE HISTOGRAM EQUALIZATION DALAM PENGOLAHAN CITRA PADA ALGORITMA GENERATIVE ADVERSARIAL NETWORK Attaqwa, Syukur Iman; Puspaningrum, Eva Yulia; Saputra, Wahyu S.J.
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5316

Abstract

Pengolahan citra, terutama teknik peningkatan kontras seperti Contrast Limited Adaptive Histogram Equalization (CLAHE), berperan krusial dalam meningkatkan kinerja model Generative Adversarial Networks (GANs). Penelitian ini mengevaluasi dampak CLAHE pada akurasi klasifikasi gambar menggunakan GANs. Hasil penelitian menunjukkan bahwa penerapan CLAHE berhasil meningkatkan akurasi klasifikasi sebesar 20% dibandingkan dengan model yang tidak menggunakan CLAHE, mencapai akurasi sebesar 76,20%. Temuan ini mengindikasikan bahwa CLAHE efektif dalam meningkatkan kualitas data gambar, sehingga model GAN dapat belajar fitur-fitur yang lebih relevan dan menghasilkan output yang lebih akurat.
Co-Authors Attaqwa, Syukur Iman Azzahra, Melinda Putri Eva Yulia Puspaningrum Kristanaya, Mirechelin Nariswari, Naura Ulayya Pratama, Alfan Rizaldy Syah, Maulidya Prastita