Article Per Year (5 Year)
p-Index From 2020 - 2025
3.409
P-Index
This Author published in this journals
All Journal JUITA : Jurnal Informatika Journal of Information System Swabumi (Suara Wawasan Sukabumi) : Ilmu Komputer, Manajemen, dan Sosial Paradigma Jurnal Pilar Nusa Mandiri Informatics for Educators and Professional : Journal of Informatics J-SAKTI (Jurnal Sains Komputer dan Informatika) IJISTECH (International Journal Of Information System & Technology) Jurnal Riset Informatika REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer IJISTECH Jurnal AbdiMas Nusa Mandiri J-SAKTI (Jurnal Sains Komputer dan Informatika) JUSTIN (Jurnal Sistem dan Teknologi Informasi) Jurnal Insan Digital Transformation Technology (Digitech) J-Icon : Jurnal Komputer dan Informatika Jurnal Informatika dan Bisnis Pengabdian Kepada Masyarakat Indonesia SEAN (ABDIMAS SEAN)
Fintri Indriyani
Universitas Bina Sarana Informatika
Humanities Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Library & Information Science Mathematics Nursing Physics Public Health Social Sciences Other

Published : 31 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 31 Documents
Search

 1   2   3   4 
Klasifikasi Tumor Otak Berbasis Magnetic Resonance Imaging Menggunakan Algoritma Convolutional Neural Network Citra R, Fatmah; Indriyani, Fintri; Rahadjeng, Indra Riyana
Digital Transformation Technology Vol. 3 No. 2 (2023): Artikel Periode September 2023
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v3i2.3469

Abstract

Tumor otak adalah kondisi yang ditandai dengan tumbuhnya sel-sel abnormal dan ganas di dalam otak. Citra digital melalui Magnetic Resonance Imaging (MRI) merupakan salah satu metode untuk membantu dokter dalam mengklasifikasikan jenis tumor otak. Namun, klasifikasi secara manual membutuhkan waktu yang lama dan memiliki risiko kesalahan yang besar, untuk itu diperlukan cara otomatis dan akurat dalam melakukan klasifikasi citra MRI. Pada penelitian ini, dirancang suatu sistem berbasis deep learning, yaitu Convolutional Neural network (CNN) dengan arsitektur Alexnet. Jumlah dataset yang digunakan dalam penelitian ini sebanyak 7.022 citra MRI dengan empat kelas yaitu glioma, meningioma, pituitary, dan no tumor yang bersumber dari kaggle.com. Para peneliti terdahulu telah mendapatkan hasil yang memuaskan di semua sub bidang analisis citra medis, seperti klasifikasi, deteksi, segmentasi, dan peningkatan citra. Dengan keberhasilan ini, para peneliti menemukan sebuah model yang dapat mendiagnosis dan mendeteksi secara otomatis, yang dapat membantu para ahli di bidangnya dan menunjukkan bahwa teknologi deep learning akan sangat bermanfaat bagi kemajuan analisis citra medis, hasil penelitian diperoleh akurasi sebesar 0,9642.
Co-Authors Agam, Alfadh Saifullah Agra Syahputra Ali Haidir Anisa Rahma, Anisa Annisa Dwi Wijayanti Citra R, Fatmah Eni Irfiani Fatmah Citra R Firmansyah, Naufal Hendro Priyon Hendro Priyono Heny Sumarno, Heny I Gusti Bagus Wiksuana Indra Riyana Rahadjeng Khoirunnisa, Tasya Ramadhinta Kurniasih R Sihite Linda Maulida Maulida, Linda Muhammad Fahmi Julianto Mukhlis Fahmi Asidiqi Nining Suryani Novian Putra Utama Priyono, Hendro Purwoko, Agus S Susliansyah Sanjaya, Yanuar Rizki Susliansyah, Susliansyah Syaiful Anwar Tommi Alfian Armawan Sandi Wahyu, Abdullah Guntur Wahyu, Abdullah Guntur Wahyutama Fitri Hidayat Wawan Nugroho Yahdi Kusnadi, Yahdi Yesni Malau