Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

2.957

P-Index

This Author published in this journals

All Journal TELKOMNIKA (Telecommunication Computing Electronics and Control) Bulletin of Electrical Engineering and Informatics Jurnal Biosains Pascasarjana JFA (Jurnal Fisika dan Aplikasinya) Journal of Information Systems Engineering and Business Intelligence Martabe : Jurnal Pengabdian Kepada Masyarakat Jurnal Pengabdian Magister Pendidikan IPA Darmabakti Cendekia: Journal of Community Service and Engagements Indonesian Journal of Electrical Engineering and Computer Science Indonesian Applied Physics Letters ABSYARA: Jurnal Pengabdian Pada Masyarakat International Conference on Industrial Revolution for Polytechnic Education Medika Respati : Jurnal Ilmiah Kesehatan Jurnal Abmas

Riries Rulaningtyas

Biomedical Engineering, Faculty Of Science And Technology, Universitas Airlangga, Surabaya, Indonesia

Author-ID : 2457782

Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Library & Information Science Materials Science & Nanotechnology Mathematics Nursing Physics Public Health Social Sciences Other

Published : 27 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3

Transfer Learning using Modification Convolutional Neural Network Model for Classification of Neovascularization Wahyudi Setiawan ,Moh. Imam Utoyo ,Riries Rulaningtyas
International Conference on Industrial Revolution for Polytechnic Education Vol. 2 No. 2 (2020): International Conference on Industrial Revolution for Polytechnic Education
Publisher : PolinemaPress

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

Transfer learning is a technique for reusing Neural Network models. Transfer learning makes the system have a knowledge without doing learning first. Transfer Learning can be applied to the Convolutional Neural Network (CNN) models. In this study, the classification of retinal images was carried out into two classes namely Normal and Neovascularization. The test was conducted using two scenarios. First, testing uses transfer learning with CNN models. CNN models used are AlexNet, VGG16, VGG19, GoogleNet and ResNet50. Second, the experiment uses the CNN AlexNet model and classification method. The classification methods used are Support Vector Machine, k-Nearest Neighbors, Naïve Bayes, LogitBoost and Discriminant Analysis. The experiment data uses public data from the MESSIDOR and Retina Image Bank. The results of the first scenario showed the highest accuracy of 100%. The second scenario test results have the highest accuracy of 96.43%.

Classification of neovascularization using convolutional neural network model Wahyudi Setiawan; Moh. Imam Utoyo; Riries Rulaningtyas
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 17, No 1: February 2019
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v17i1.11604

Neovascularization is a new vessel in the retina beside the artery-venous. Neovascularization can appear on the optic disk and the entire surface of the retina. The retina categorized in Proliferative Diabetic Retinopathy (PDR) if it has neovascularization. PDR is a severe Diabetic Retinopathy (DR). An image classification system between normal and neovascularization is here presented. The classification using Convolutional Neural Network (CNN) model and classification method such as Support Vector Machine, k-Nearest Neighbor, Naïve Bayes classifier, Discriminant Analysis, and Decision Tree. By far, there are no data patches of neovascularization for the process of classification. Data consist of normal, New Vessel on the Disc (NVD) and New Vessel Elsewhere (NVE). Images are taken from 2 databases, MESSIDOR and Retina Image Bank. The patches are made from a manual crop on the image that has been marked by experts as neovascularization. The dataset consists of 100 data patches. The test results using three scenarios obtained a classification accuracy of 90%-100% with linear loss cross validation 0%-26.67%. The test performs using a single Graphical Processing Unit (GPU).

An improvement of Gram-negative bacteria identification using convolutional neural network with fine tuning Budi Dwi Satoto; Imam Utoyo; Riries Rulaningtyas; Eko Budi Khoendori
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 18, No 3: June 2020
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v18i3.14890

This paper proposes an image processing approach to identify Gram-negative bacteria. Gram-negative bacteria are one of the bacteria that cause lung lobe damage-bacterial samples obtained through smears of the patient's sputum. The first step bacterium should pass the pathogen test process. After that, it bred using Mc Conkey's media. The problem faced is that the process of identifying bacterial objects is still done manually under a fluorescence microscope. The contributions offered from this research are focused on observing bacterial morphology for the operation of selecting shape features. The proposed method is a convolutional neural network with fine-tuning. In the stages of the process, a convolutional neural network of the VGG-16 architecture used dropout, data augmentation, and fine-tuning stages. The main goal of the current research was to determine the method selection is to get a high degree of accuracy. This research uses a total sample of 2520 images from 2 different classes. The amount of data used at each stage of training, testing, and validation is 840 images with dimensions of 256x256 pixels, a resolution of 96 points per inch, and a depth of 24 bits. The accuracy of the results obtained at the training stage is 99.20%.

Transfer learning with multiple pre-trained network for fundus classification Wahyudi Setiawan; Moh. Imam Utoyo; Riries Rulaningtyas
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 18, No 3: June 2020
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v18i3.14868

Transfer learning (TL) is a technique of reuse and modify a pre-trained network. It reuses feature extraction layer at a pre-trained network. A target domain in TL obtains the features knowledge from the source domain. TL modified classification layer at a pre-trained network. The target domain can do new tasks according to a purpose. In this article, the target domain is fundus image classification includes normal and neovascularization. Data consist of 100 patches. The comparison of training and validation data was 70:30. The selection of training and validation data is done randomly. Steps of TL i.e load pre-trained networks, replace final layers, train the network, and assess network accuracy. First, the pre-trained network is a layer configuration of the convolutional neural network architecture. Pre-trained network used are AlexNet, VGG16, VGG19, ResNet50, ResNet101, GoogLeNet, Inception-V3, InceptionResNetV2, and squeezenet. Second, replace the final layer is to replace the last three layers. They are fully connected layer, softmax, and output layer. The layer is replaced with a fully connected layer that classifies according to number of classes. Furthermore, it's followed by a softmax and output layer that matches with the target domain. Third, we trained the network. Networks were trained to produce optimal accuracy. In this section, we use gradient descent algorithm optimization. Fourth, assess network accuracy. The experiment results show a testing accuracy between 80% and 100%.

Reconfiguration layers of convolutional neural network for fundus patches classification Wahyudi Setiawan; Moh. Imam Utoyo; Riries Rulaningtyas
Bulletin of Electrical Engineering and Informatics Vol 10, No 1: February 2021
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eei.v10i1.1974

Convolutional neural network (CNN) is a method of supervised deep learning. The architectures including AlexNet, VGG16, VGG19, ResNet 50, ResNet101, GoogleNet, Inception-V3, Inception ResNet-V2, and Squeezenet that have 25 to 825 layers. This study aims to simplify layers of CNN architectures and increased accuracy for fundus patches classification. Fundus patches classify two categories: normal and neovascularization. Data used for classification is MESSIDOR and Retina Image Bank that have 2,080 patches. Results show the best accuracy of 93.17% for original data and 99,33% for augmentation data using CNN 31 layers. It consists input layer, 7 convolutional layers, 7 batch normalization, 7 rectified linear unit, 6 max-pooling, fully connected layer, softmax, and output layer.

Segmentasi Citra Berwarna dengan Menggunakan Metode Clustering Berbasis Patch untuk Identifikasi Mycobacterium Tuberculosis Riries Rulaningtyas; Andriyan B. Suksmono; Tati L. R. Mengko; G. A. Putri Saptawati
Jurnal Biosains Pascasarjana Vol. 17 No. 1 (2015): JURNAL BIOSAINS PASCASARJANA
Publisher : Universitas Airlangga

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20473/jbp.v17i1.2015.19-25

Citra berwarna memiliki banyak variasi nilai intensitas pada masing-masing piksel dalam satu citra. Dengan kasat mata, citra seperti terlihat memiliki warna yang sama dengan citra yang lain. Namun bila diolah oleh komputer suatu piksel dengan warna yang sama dengan piksel yang lain, ternyata memiliki kombinasi nilai intensitas yang berbeda. Variasi nilai intensitas ini akan sangat mempengaruhi hasil proses pengolahan citra oleh komputer.Dalam penelitian ini, dilakukan uji coba proses segmentasi citra berwarna pada citra mikroskopis bakteri TBC (mycobacterium tuberculosis) yang berasal dari dahak atau sputum pasien, sebagai sampel citra warna yang memiliki variasi nilai intensitas yang begitu kompleks. Sputum yang diperoleh dari pasien dilakukan pewarnaan dengan metode pewarnaan Ziehl – Neelsen. Metode pewarnaan ini umum digunakan di puskesmas, karena di puskesmas pada umumnya menggunakan mikroskop optik untuk memeriksa slide sputum. Hasil pewarnaan memberikan efek warna merah untuk bakteri TB dan background berwarna biru. Hasil pewarnaan ini memberikan citra slide yang kompleks, akibat hasil pewarnaan yang berbeda bergantung pada skill tenaga laboran, sehingga petugas klinis mengalami kesulitan ketika melakukan pemeriksaan slide secara manual. Untuk membantu petugas klinis dalam melakukan pembacaan slide, maka pada penelitian ini dilakukan segmentasi warna citra slide untuk mengekstrasi citra bakteri TB dan menghilangkan citra background.Beberapa metode telah dilakukan dalam penelitian ini, yaitu adaptive color thresholding pada ruang warna RGB, HSV, CIE L*a*b, yang memberikan hasil segmentasi yang baik pada ruang warna CIE L*a*b. Kemudian dicoba metode segmentasi k-means clustering dan k-nearest neighbors untuk memperbaiki performansi segmentasi warna adaptive color thresholding, dan metode k-nearest neighbors memberikan akurasi yang paling baik 97,90% , namun belum mampu memberikan hasil yang bagus pada citra utuh dan waktu komputasi proses pembelajaran yang lama. Untuk memperbaiki performansi hasil segmentasi citra berwarna pada citra sputum penyakit TBC ini, maka pada penelitian ini dilakukan metode segmentasi fast k-means clustering, yang membutuhkan waktu komputasi yang lebih cepat dari metode k-nearest neihgbors dan hasil segmentasi yang lebih baik. Metode fast k-means clustering yang digunakan ditunjang dengan penerapan pengolahan citra berbasis patch, untuk menghindari variasi global yang dapat mempengaruhi hasil segmentasi. Dengan metode segmentasi citra berbasis patch ini ternyata memberikan hasil yang lebih baik dibanding metode segmentasi yang diterapkan pada citra utuh yang secara serentak dilakukan pengolahan citranya.

Pengaplikasian Optimasi Neural Network oleh Algoritma Genetika pada Pendeteksian Kelainan Otak Stroke Iskemik sebagai Media Pembelajaran Dokter Muda Riries Rulaningtyas
Jurnal Fisika dan Aplikasinya Vol 3, No 1 (2007)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat, LPPM-ITS

Pengidentikasian dan pendiagnosaan kelainan otak hasil rekaman MRI dilakukan oleh dokter spesialis. Pendiagnosaan citra MRI memerlukan ketelitian agar tidak terjadi kesalahan deteksi. Para dokter muda yang mengambil spesialis syaraf tentunya memerlukan banyak latihan untuk mendiagnosa citra MRI agar dapat memberikan hasil diagnosa yang tepat. Untuk membantu para dokter muda dalam mengidentikasi penyakit stroke iskemik, maka pada penelitian ini telah dibuat computer aided diagnose dengan menggunakan metode neural network yang dapat menggantikan peran dokter spesialis sehingga para dokter muda tersebut dapat berlatih mendiagnosa kelainan otak stroke iskemik secara mandiri. neural network yang digunakan menerima inputcitra MRI yang mengalami pengolahan citra terlebih dahulu yang meliputi proses scanning, proses grayscale, high pass lter, segmentasi, dan normalisasi level grayscale tiap segmen citra. Untuk meningkatkan kinerja neural network dilakukan optimasi jumlah node dan beban yang digunakan yaitu dengan menggunakan optimasi algoritma genetika. Hasilnya neural network mampu mendeteksi 100% data baru, error neural 0,000089 dan fungsi tness algoritma genetika 0,000076.

IMPLEMENTATION OF ICT BASED PEDIATRIC TELEHEALTH CARE POSYANDU AS AUTOMATIC MONITOR AND IDENTIFICATION OF INFANT’S GROWTH AND DEVELOPMENT Riries Rulaningtyas; Abidah Alfi Maritsa; Weni Endahing Warni; Soegianto Soelistiono; Khusnul Ain; Amirul Amalia; Aji Sapta Pramulen; Yusrinourdi Muhammad Zuchruf; Hanif Assyarify; Miranda Syafira Widyananda; Muhammad Fadhel Maulama
Darmabakti Cendekia: Journal of Community Service and Engagements Vol. 2 No. 1 (2020): JUNE 2020
Publisher : Faculty of Vocational Studies, Universitas Airlangga

Background: Posyandu is one of the Indonesian government’s attempt in order to monitor and improve the health and life quality of the community, especially infant. However, the implementation of Posyandu is facing some issues such as low effectiveness and low accuracy during the data collecting process of the infant’s growth and development. Purpose: This study aims to develop an automatic telehealth care product in order to help to increase the effectivity and accuracy in the implementation of Posyandu. Methods: (1) Development of the Telehealth Care Posyandu Application, (2) Implementation of the application in the form of social service program. Result: (1) “Toddler” Telehealth Care Application based in Android and ICT was buith with artificial intelligence of Decision Tree and Random Forest method. Program testing was done with 97.89% accuration score from total 85 infant’s growth data. While from 47 questionnaire data of infant’s development, accuracy score of 83.33% was obtained. (2) Target’s respond on the Telehealth Care Posyandu Application shown the status of “Very Satistified” based on the score of 81% from the satisfaction survey. The satisfaction survey covered three aspects which are: System, User, and Interaction. Conclusion: “Toddler” Telehealth Care Posyandu Application was proven to has high accuracy, sensitivity, and sensitivity score and also resulted in “Very Satisfied” user respond.

Pelatihan Rancang Bangun Alat Deteksi Kelelahan Berbasis Audiovisual untuk Meningkatkan Kualitas Kerja Dan Kesehatan di SMK 3 Pancasila Kecamatan Ambulu Kabupaten Jember Provinsi Jawa Timur Khusnul Ain; Riries Rulaningtyas; Alfian Pramudita Putra
Jurnal Pengabdian Magister Pendidikan IPA Vol 4 No 1 (2021)
Publisher : Universitas Mataram

Kelelahan adalah salah satu permasalahan serius yang sering dialami pekerja sehingga bisa mengancam nyawa jika kurang mendapat perhatian. Organisasi Buruh Dunia melaporkan sebanyak 2 juta/tahun pekerja melayang nyawanya akibat kecelakaan kerja yang disebabkan oleh kelelahan. Di Indonesia jumlah kecelakaan kerja mengalami peningkatan tiap tahunnya hingga 5%. Data dari BPJS ketenagakerjaan menunjukkan bahwa pada tahun 2016 terjadi 116.850 kasus kecelakaan kerja sedangkan pada tahun 2017 jumlah kasus meningkat menjadi 123.000 kasus. Banyak penelitian menunjukkan bahwa kelelahan adalah salah satu faktor yang berkontribusi sebagai penyebab kecelakaan. Salah satu cara untuk mengurangi resiko tersebut adalah mengukur kelelahan yang dialami pekerja. Kelelahan dapat dideteksi dengan mengukur waktu respon terhadap rangsangan yang diberikan. Waktu respon umpan balik sebagai tanggapan dari rangsangan yang diberikan merupakan parameter utama yang digunakan untuk menentukan tingkat kelelahan seseorang. Berdasarkan analisis situasi tersebut, maka melalui kegiatan pengabdian masyarakat Program Kemitraan Masyarakat ini, dapat diberikan bekal keahlian kepada siswa Sekolah Menengah Kejuruan (SMK) yang sudah memiliki bekal keilmuan elektronika dasar dan mikrokontroller untuk diberikan pelatihan pembuatan alat kesehatan dengan mempelajari dan mengembangkan instrumentasi medis sederhana berbasis elektronika dan mikrokontroller sederhana yaitu alat ukur tingkat kelelahan pekerja. Para siswa SMK diharapkan setelah lulus mampu mengembangkan produksi dan pengadaan alat kesehatan secara mandiri di Indonesia. Hasil kegiatan pengabdian masyarakat terlihat bahwa peserta pelatihan sangat antusias terhadap pelaksanaan kegiatan karena mendapatkan pengetahuan baru terkait dasar elektronika dan mikrokontroler

Pelatihan Rancang Bangun Sistem Monitoring Kondisi Air Tambak Berbasis Internet of Things (IoT) di SMK Perikanan dan Kelautan Kecamatan Puger Kabupaten Jember Alfian Pramudita Putra; Riries Rulaningtyas; Franky Chandra Satria Arisgraha
Jurnal Pengabdian Magister Pendidikan IPA Vol 4 No 4 (2021)
Publisher : Universitas Mataram

Kualitas air tambak atau kolam budidaya ikan atau udang merupakan aspek eksternal yang harus diperhatikan. Permasalahan utama dalam kegagalan produksi ikan atau udang adalah buruknya kualitas air selama masa pemeliharaan, terutama pada tambak intensif. Sebagian besar pekerjaan monitoring telah dibantu teknologi informasi untuk memudahkan dalam pelaksanaan pemantauan. Salah satunya adalah dengan penggunaan Internet of Things (IoT). Sistem IoT ini dapat digunakan para petambak untuk memantau kondisi perarian tambak sehingga produksi mereka bisa meningkat. Melalui kegiatan pengabdian masyarakat Program Kemitraan Masyarakat ini, sistem yang dapat memantau suhu dan pH dari perariran secara kontinu telah dibuat dengan memanfaatkan IoT. Hal ini bermanfaat untuk para siswa SMK sehinga mereka dapat meningkatkan kemampuan di bidang teknologi yang tetap berkaitan dengan perikanan dan kelautan. Peserta pelatihan sangat antusias terhadap pelaksanaan kegiatan karena mendapatkan pengetahuan baru terkait mikrokontroler dan IoT. Selain itu, Siswa SMK dapat memiliki tambahan kemampuan dan pengetahuan yang berguna untuk bersaing di dunia kerja, khususnya pada era revolusi industri 4.0.

Co-Authors Abidah Alfi Maritsa Alfian Pramudita Putra Ama, Fadli Amillia Kartika Sari Amirul Amalia Amma, Fadli Andriyan B. Suksmono Anny Setijo Rahaju, Anny Setijo Aryati Aryati Budi Dwi Satoto David Buntoro Kamandjaja Dewi, Rosa Amalia Eko Budi Khoendori Endah Purwanti Fitriyatul Qulub Franky Chandra Satria Arisgraha G. A. Putri Saptawati Hanif Assyarify Harahap, Akila Firdausi I Made Mas Dwiyana Prasetya Wibawa Imam Utoyo Irhamni, Irfan Ittaqillah, Sayyidul Istighfar Katherine Katherine Katherine Kho Kezia Sarahsophia Immanuel Ryadi Khouliya Zalda Khusnul Ain Khusnul Ain Kusumawardani, Miranti Ayudya Lina Choridah Miranda Syafira Widyananda Moh. Imam Utoyo Moh. Imam Utoyo Mohammad Kholil, Mohammad Muhammad Fadhel Maulama Muqmiroh, Lailatul Nafisa Rahmatul Laili Alami Nia Saurina Nita Lutfiyah Nur Chamidah Osmalina Nur Rahma Pramudita, Alfian Pramulen, Aji Sapta Prihartini Widiyanti Rahmatillah, Akif Rifai Chai Soegianto Soelistiono Solly Aryza Suhariningsih Sumanang, Delfina Amarissa Suprayitno Suprayitno Suryani Dyah Astuti Tati L. R. Mengko Thifal, Quinolina Ummi Hanifah Waasilah, Hadiyyatan Wahyudi Setiawan Wahyudi Setiawan Wardhani, Inten Firdhausi Weni Endahing Warni Winarno Winarno Winarno, Winarno Yunardi, Riky Tri Yusrinourdi Muhammad Zuchruf

Title

Found 27 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 27 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 27 Documents
Search