Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Medika Malahayati RJOCS (Riau Journal of Computer Science)
Andriani, Amelia
Unknown Affiliation
Biochemistry, Genetics & Molecular Biology Computer Science & IT Health Professions Immunology & microbiology Medicine & Pharmacology Public Health

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
FORMULASI PASTA GIGI BERBAHAN NANOKALSIUM DARI LIMBAH CANGKANG TELUR AYAM KAMPUNG DAN DAYA HAMBATNYA TERHADAP BAKTERI Streptococcus mutans Andriani, Amelia; Astuti, Widi; Pujiama, Riwonan; Putri, Jesika; Kusniawati, Mega Ayu; Resti, Indah Ana; Lestari, Yovita Endah
Jurnal Medika Malahayati Vol 7, No 4 (2023): Volume 7 Nomor 4
Publisher : Universitas Malahayati

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33024/jmm.v7i4.12977

Abstract

Abstrak: Formulasi Pasta Gigi Berbahan Nanokalsium Dari Limbah Cangkang Telur Ayam Kampung Dan Daya Hambatnya Terhadap Bakteri Streptococcus mutans. Karies gigi merupakan suatu kondisi pada gigi yang muncul karena aktivitas bakteri Streptococcus mutans yang mampu melakukan fermentasi karbohidrat, mempercepat proses pembentukan plak atau karies pada gigi. Meskipun plak gigi dapat dihindari dengan kebiasaan menyikat gigi secara teratur, tidak semua pasta gigi memberikan efek yang cepat dalam memicu proses remineralisasi. Oleh karena itu, penelitian ini memanfaatkan limbah cangkang telur sebagai substrat nanokalsium yang dapat mengembalikan mineral-mineral hidroksiapatit yang mengalami kerusakan akibat aktivitas bakteri Streptococcus mutans. Tujuan penelitian ini adalah untuk membandingkan efek antara pasta gigi konvensional dan pasta gigi yang mengandung nanokalsium dari cangkang telur. Proses pembuatan pasta gigi ini melibatkan metode presipitasi, evaluasi material nano dengan SEM-EDS dan FT-IR, serta diakhiri dengan pengujian daya hambat sediaan pasta gigi berbahan nanokalsium. Hasil analisis SEM menunjukkan bahwa material yang dihasilkan mempunyai morfologi berupa lembaran-lembaran yang saling bertumpuk yang terorientasi secara acak, dengan ketebalan lembaran berkisar ~15–20 nm. Hasil analisis EDS menunjukkan terdapat spektrum puncak Ca tertinggi, yang mengkonfirmasi adanya pembentukan nanopartikel Ca (nanokalsium). Dari hasil karakterisasi material yang diperoleh dapat dikatakan bahwa sintesis nanokalsium dari cangkang telur telah berhasil dilakukan. Adapun formulasi pasta gigi yang mengandung 5% nanokalsium dari limbah cangkang telur mempunyai kemampuan daya hambat terhadap bakteri Streptococcus mutans dengan daya hambat rata-rata sebesar 3,43 mm.
Klasifikasi Akurasi Kematangan Buah Apel Anna Berdasarkan Analisis Warna Model Nasnet Pada Convolutional Neural Network (CNN) Lestari, Ayu; Amelia, Reski; Husni, Nisatul; Andriani, Amelia; Satria Riki Mustafa; Akhmad Zulkifli
RJOCS (Riau Journal of Computer Science) Vol. 10 No. 2 (2024): RJOCS (Riau Journal of Computer Science)
Publisher : Fakultas Ilmu Komputer, Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjocs.v10i2.2856

Abstract

Apel (Malus Domestica) merupakan salah satu jenis buah yang unggul dan sangat diminati masyarakat karena rasanya yang bervariasi. Buah apel memiliki banyak nutrisi dan berbagai macam vitamin diantaranya lemak baik, karbohidrat, protein, vitamin dan masih banyak lagi. Apel anna merupakan salah satu varietas apel yang dikembangkan diKota Batu, Malang dan berkembang di beberapa wilayah yang memiliki agroklimat yang sesuai untuk pertumbuhan apel. Penelitian ini menggunakan citra gambar buah apel anna sebagai dataset. Berbagai cara dapat dilakukan untuk membedakan kematangan apel anna, salah satunya melalui analisis citra warna. Namun, secara kasat mata, kematangan apel anna sering kali sulit dibedakan. Tujuan penelitian ini adalah melakukan klasifikasi kematangan apel anna berdasarkan analisis warna menggunakan metode Convolutional Neural Network (CNN). Dengan menggunakan google colab dan bahasa pemograman phyton dan dataset dari kaggle.com sebanyak 139 dataset, data training 46%, data validasi 54%. Metode Convolutional Neural Network (CNN dipilih karena kemampuannya dalam mengenali pola visual dengan akurasi tinggi. Hasil pengujian menunjukkan bahwa model Convolutional Neural Network (CNN mampu mengklasifikasikan kematangan apel anna dengan akurasi rata-rata mencapai 95%. Penelitian ini membuktikan bahwa metode Convolutional Neural Network (CNN efektif untuk mengidetintifikasi fitur visual yang relevan untuk menentukan tingkat kematangan buah apel anna)
Co-Authors Akhmad Zulkifli Amelia, Reski AYU LESTARI Husni, Nisatul Kusniawati, Mega Ayu Lestari, Yovita Endah Pujiama, Riwonan Putri, Jesika Resti, Indah Ana Satria Riki Mustafa Widi Astuti