Article Per Year (5 Year)
p-Index From 2021 - 2026
0.947
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi TELKOMNIKA (Telecommunication Computing Electronics and Control) KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Proceeding of the Electrical Engineering Computer Science and Informatics INOVTEK Polbeng - Seri Informatika JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal Informatika dan Rekayasa Elektronik Indonesian Journal of Electrical Engineering and Computer Science
Riyanto Sigit
Politeknik Elektronika Negeri Surabaya
Computer Science & IT Electrical & Electronics Engineering Engineering

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
Cardiac Motions Classification on Sequential PSAX Echocardiogram Adam Shidqul Aziz; Riyanto Sigit; Achmad Basuki; Taufik Hidayat
Indonesian Journal of Electrical Engineering and Computer Science Vol 12, No 3: December 2018
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijeecs.v12.i3.pp1289-1296

Abstract

Cardiac wall motions classification on 2-dimensional (2D) echocardiographic images is an important issue for quantitative diagnosiing of heart disease. Unfortunately, the bad quality of echocardiogram cause computationally classification on cardiac wall motions is still become a big homework for many researchers to provide the best result. Echocardiogram is produced by soundwaves which absolutely make its images have speckle noise in different intensity. Therefore, this research improves a set of methodology to classify cardiac wall motion semi-automatically. Raw echocardiogram will be enhanced and segmented to take the boundary of endocardium of left ventricular in PSAX cardiac images. New improvement of Semi-automatically methodology is approach on detecting the contour of endocardium and will be inputed as good features in Lucas-Kanade Optical Flow in all sequential echocargraphic images. On classifying cardiac wall motions, this research proposes two important features including length of displacement and flow direction. New proprosed flow determination algorithm and Euclidean distance is used to calculate those features. All the features will be trained by Neural Network (NN) and validated by Leave One Out (LOO) to get accurate result. NN method, which is validated by LOO, has the best result of 81.82% correctness than the other compared methods.
Fusi Algoritma K-Means dan CNN untuk Klasifikasi Emosi pada Anak Fildzah Aure Gehara Zhafirah; Rika Rokhana; Riyanto Sigit; Bima Sena Bayu Dewantara
Techno.Com Vol 22, No 3 (2023): Agustus 2023
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v22i3.8667

Abstract

Emosi adalah perasaan yang diarahkan pada seseorang ataupun sesuatu yang bisa menyebabkan sesorang bertindak atau mengekspresikan diri dan dapat dipicu secara internal ataupun eksternal. Ekspresi wajah merupakan salah satu cara termudah untuk mengetahui emosi seseorang, namun terkadang seseorang dapat mengontrol dan memanipulasi ekspresi wajah mereka sehingga tidak sesuai dengan apa yang dialami. Oleh karena itu, penelitian ini mengembangkan sistem yang dapat mengidentifikasi emosi anak tidak hanya berdasarkan wajah tetapi juga berdasarkan perubahan kondisi tubuhnya. Penelitian ini menggunakan metode klasifikasi Convolutional Neural Network (CNN) dan juga metode clusterisasi K-Means. Penggunaan 2 metode pada penelitian ini berfungsi untuk memperkuat akurasi sistem. Metode K-Means digunakan untuk mengidentifikasi emosi berdasarkan detak jantung dan konduktivitas kulit sedangkan Metode CNN digunakan untuk mengidentifikasi emosi berdasarkan ekspresi wajah. Hasil yang diperoleh dari kedua metode tersebut akan diproses menggunakan metode fusi yang aturannya disesuaikan berdasarkan hasil pengamatan dan pengukuran, sehingga dapat diprediksi emosi pada anak berdasarkan parameter detak jantung, ekspresi wajah, dan konduktivitas kulit. Anak dengan umur 6 hingga 12 tahun digunakan sebagai subjek pada penelitian ini. Dari penelitian ini berhasil didapatkan hasil prediksi emosi anak dengan akurasi keberhasilan sebesar 80%.
Co-Authors Achmad Basuki Aditiya Anwar Agus Indra Gunawan Ahmad Fauzi Makarim Ali Ridho Barakbah Anwar Anwar Anwar Arya Brahmanta Aziz, Adam Shidqul Bima Sena Bayu Dewantara Calvin Alfa Roji Eko Supriyadi Farah Devi Isnanda Fildzah Aure Gehara Zhafirah Fridastya Andini Pamudyaningrum Heny Yuniarti I Putu Adi Surya Gunawan Indra Adji Sulistijono Mahaputra Ilham Awal Moch. Rochmad Mohamad Walid Asyhari Muhammad Anwar Sanusi Muhammad Aunur Rofiq Prawitri, Yudith Dian Rika Rokhana Setiawardhana Son Kuswadi Taufik Hidayat Tita Karlita Tri Bintang Dewantoro Tri Harsono