Article Per Year (5 Year)
p-Index From 2020 - 2025
3.783
P-Index
This Author published in this journals
All Journal Komunikasi Fisika Indonesia Jurnal Fisika Unand JOURNAL ONLINE OF PHYSICS Jurnal Fisika dan Terapannya Jurnal Riset Fisika Indonesia Jurnal Pengabdian Masyarakat (JPM) Pinang Masak Jurnal Tiyasadarma: Jurnal Pengabdian Kepada Masyarakat
Yoza Fendriani
UNIVERSITAS JAMBI
Humanities Astronomy Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Materials Science & Nanotechnology Mathematics Physics

Published : 25 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 25 Documents
Search

 1   2   3 
Analisis Keluaran Berkas Radiasi Sinar-X pada Pesawat Linear Accelerator (LINAC) Berdasarkan TRS 398 IAEA di RSUD Arifin Achmad Provinsi Riau Saphira Indah Cahyaningtyas; Rista Mutia Anggraini; Yoza Fendriani
Jurnal Fisika Unand Vol 13 No 2 (2024)
Publisher : Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/jfu.13.2.282-289.2024

Abstract

Telah dilakukan penelitian tentang analisis keluaran berkas radiasi sinar-X pada pesawat Linear Accelerator (Linac). Analisis ini bertujuan untuk mengetahui keluaran berkas radiasi pada pesawat Linac menunjukkan nilai 1 cGy atau sama dengan 1 MU, yang diperoleh dari analisis ionisasi chamber, suhu, tekanan, efek polaritas, dan rekombinasi ion. Penelitian ini dilakukan menggunakan energi foton sebesar 6 MV dan energi elektron dengan variasi (4, 6, 8, 10, 12, dan 15) MeV. Luas lapangan yang digunakan yaitu 10 cm x 10 cm serta source to surface distance (SSD) 100 cm. Hasil analisis menunjukkan berkas energi foton 6 MV didapatkan nilai keluaran per 1 MU sebesar 1,0046 cGy/MU dengan deviasi 0,46%. Sedangkan pada berkas elektron energi 4 MeV sebesar 1,0112 cGy/MU dengan deviasi 1,12%, energi 6 MeV sebesar 1,0064 cGy/MU dengan deviasi 0,64%, energi 8 MeV sebesar 0,9991 cGy/MU dengan deviasi 0,09%, energi 10 MeV sebesar 0,9987 cGy/MU dengan  deviasi 0,13%, energi 12 MeV sebesar 0,9978 dengan deviasi 0,22% dan energi 15 MeV sebesar 1,0013 cGy/MU dengan deviasi 0,13%. Dalam hal ini keluaran berkas radiasi sinar-X pada pesawat Linac (Linear Accelerator) di RSUD Arifin Achmad Provinsi Riau telah sesuai dengan standar TRS 398 IAEA dengan rentang deviasi pengukuran yaitu ±3%.
Klasifikasi Kanker Kulit dari Citra Dermoskopi menggunakan Fitur Gray Level Co-occurence Matrix (GLCM) dengan Algoritma Machine Learning Imanuel Purba, Chrisman; Alrizal, Alrizal; Fendriani, Yoza
JFT : Jurnal Fisika dan Terapannya Vol 12 No 1 (2025): Juni 2025
Publisher : Universitas Islam Negeri Alauddin Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/jft.v12i1.56651

Abstract

This study aims to classify skin cancer based on dermoscopic images using texture feature extraction through the Gray Level Co-occurrence Matrix (GLCM) technique by comparing the performance of four machine learning algorithms: Support Vector Machine (SVM), K-Nearest Neighbor (K-NN), Decision Tree, and Random Forest. This approach was developed to address the limitations of previous studies, which typically employed only a single algorithm without comprehensive comparison. The evaluation results show that Random Forest achieved the best performance, with an accuracy of 92.72%, precision of 94.44%, recall of 92.39%, and an F1-score of 93.40%. This is attributed to its ensemble nature, which combines multiple decision trees through a voting mechanism, making it effective in handling imbalanced data and complex texture patterns. Conversely, Support Vector Machine (SVM) demonstrated the lowest performance, with an accuracy of 66.06%, precision of 84.44%, recall of 64.40%, and an F1-score of 73.07%, indicating its limitations in recognizing nonlinear in high-dimensional data. Based on these results, the combination of GLCM and Random Forest has proven to be effective and optimal for medical image classification, and holds significant potential to support more accurate clinical decision-making in the early detection of skin cancer
KLASIFIKASI PENYAKIT KANKER PAYUDARA PADA CITRA MAMMOGRAM MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) DAN RANDOM FOREST Latifah, Adelia; Alrizal, Alrizal; Fendriani, Yoza
JOURNAL ONLINE OF PHYSICS Vol. 10 No. 3 (2025): JOP (Journal Online of Physics) Vol 10 No 3
Publisher : Prodi Fisika FST UNJA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22437/jop.v10i3.43794

Abstract

Penelitian ini membahas klasifikasi kanker payudara pada citra mammogram menggunakan algoritma Convolutional Neural Network (CNN) dan Random Forest dengan implementasi berbasis Python. Tujuan penelitian ini adalah membandingkan performa algoritma CNN dan Random Forest dalam mengklasifikasikan kanker payudara pada citra mammogram, yang dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Dataset citra mammogram diperoleh dari platform Kaggle, mencakup dua kategori: tumor jinak (benign) dan tumor ganas (malignant). Tahap preprocessing data meliputi reduksi noise, normalisasi intensitas piksel, dan ekstraksi fitur. Model CNN dan Random Forest dilatih dan dievaluasi menggunakan metrik performa yang telah ditentukan, dengan pembagian dataset 80% data latih dan 20% data uji untuk memastikan evaluasi objektif. Hasil penelitian menunjukkan bahwa model CNN memiliki akurasi 97%, presisi 90%, recall 94%, dan F1-score 92%, sedangkan Random Forest mencapai akurasi 95%, presisi 86%, recall 91%, dan F1-score 88%. Hasil ini mengindikasikan bahwa model CNN menunjukkan performa lebih unggul dan berpotensi sebagai sistem pendukung diagnosis kanker payudara.  
IDENTIFIKASI KANDUNGAN TANAH DI KECAMATAN PEMAYUNG KABUPATEN BATANG HARI PROVINSI JAMBI Samsidar, Samsidar; maison, Maison; Ermadani, Ermadani; Latief, Madyawati; Fendriani, Yoza; Alrizal, Alrizal; Resta, Ichy Lucya; Riany, Hesti; Pebralia, Jesi
JOURNAL ONLINE OF PHYSICS Vol. 10 No. 3 (2025): JOP (Journal Online of Physics) Vol 10 No 3
Publisher : Prodi Fisika FST UNJA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22437/jop.v10i3.47051

Abstract

Informasi akan kandungan tanah penting diketahui sebagai dasar pengolahan pertanian. Pada Kabupaten batang Hari kecamatan pemayung Provinsi Jambi terdapat dua jenis tanah yang sering dimanfaatkan sebagai lahan pertanian yaitu tanah Ultisol dan Inseptisol. Dalam pemanfaatan sebagai lahan pertanian terhadap kedua jenis tanah tersebut umumnya pelaku pertanian melakukan penanaman langsung sehingga sering kali mendapatkan hasil yang kurang optimal akibat ketidaksesuaian jenis tanaman dan pupuk yang digunakan, untuk itu pada penelitian ini dilakukan karakterisasi terhadap tanah tersebut. Sampel tanah diambil dari 6 titik lokasi dengan ukuran 1km x 2km, selanjutnya dilakukan preparasi untuk pengukuran unsur logam dengan menggunakkan X-Ray Fluorescence (XRF), uji kandungan C-Organik dan pH. Hasil pengujian XRF menunjukkan bahwa daerah aluvial (Inseptisol) memiliki kandungan Mg dan C-organik lebih tinggi daripada tanah Ultisol dimana rata-rata kandungan Mg >18% dan C-Organik >14% serta memiliki kandungan Al dan Si lebih rendah, dimana Al <20% dan Si <25%. Untuk nilai C- Organik tanah inseptisol (aluvial) memiliki C-organik lebih tinggi (>14%) dan pH lebih rendah (<5) dibandingkan dengan tanah ultisol. Dari hasil pengujian kandungan tanah diharapkan pelaku pertanian pada daerah tersebut dapat mengetahui gambaran kandungan tanah dengan cara melakukan pencocokan pendekatan terhadap sampel tanah yang telah dilakukan pengujian pada penelitian ini.
Pembuatan dan Karakterisasi Scaffold Hidroksiapatit (HAp) dari Limbah Tulang Ikan Tenggiri (Scomberomorus commerson) Rohania, Meisa; Deswardani, Frastica; Fendriani, Yoza; Anjelina, Ria; Anggraini, Rista Mutia; Maulana, Lucky Zaehir; Pujaningsih, Febri Berthalita
Jurnal Riset Fisika Indonesia Vol 5 No 2 (2025): Juni
Publisher : Jurusan Fisika, Universitas Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33019/jrfi.v5i2.6410

Abstract

Defects in bone tissue represent a significant health concern and continue to pose challenges in clinical surgery. The fabrication of scaffolds from hydroxyapatite (HAp) can support bone regeneration. However, producing HAp scaffolds with ideal pore structures for effective bone tissue engineering remains difficult. In recent decades, many studies have attempted to enhance HAp scaffolds by incorporating polymeric materials to address their limitations. In this study, corn starch was used as a pore-forming agent, and polyvinyl alcohol (PVA) served as a binder and pore size regulator. The scaffolds were fabricated using the freeze-drying method, which offers the advantage of forming porous structures while maintaining scaffold integrity. This study investigated the effects of varying PVA additions which 3 wt%, 7 wt%, and 10 wt%. XRD analysis showed that the diffraction peaks of all samples corresponded to the HAp phase, displayed β-TCP peaks, and a crystal size with values ranging from 0.96 nm to 11.77 nm.  SEM analysis showed that the HAp-7 scaffold has the largest pore size distribution range of about 1.19 µm to 11.77 µm.
Co-Authors -, Maison Afrianto, Muhammad Ficky Alrizal, Alrizal Amelia Noveranty Anggraini, Rista Mutia Anjelina, Ria Atika Maulida Benedika Ferdian Hutabarat Debby Mustika Rani Ermadani Ermadani Faizar Farid Febri Berthalita Pujaningsih Fernando Mersa Putra Frastica Deswardani Haryono Haryono Husnul Hamdi Imanuel Purba, Chrisman Jesi Pebralia Jihan Suci Ananda Latifah, Adelia Linda Handayani Lucky Zaehir Maulana Madyawati Latief Mardian Peslinof Maulina Tanjung Nur Syaqila, Cindy Nurhidayah Nurhidayah Pebralia, Jesi Regita Kharisma Resta, Ichy Lucya Riany, Hesti Rista Mutia Anggraini Rista Mutia Anggraini Rodearni Ananda Putri Purba Roedearni Ananda Putri Purba Rohania, Meisa Rustan Samsidar Samsidar Samsidar Saphira Indah Cahyaningtyas Sri Purwaningsih Tika Restianingsih Yurinanda, Sherli