Article Per Year (5 Year)
p-Index From 2020 - 2025
4.124
P-Index
This Author published in this journals
All Journal Telematika : Jurnal Informatika dan Teknologi Informasi Sistemasi: Jurnal Sistem Informasi Jurnal CoreIT Jurnal Informatika Universitas Pamulang Krea-TIF: Jurnal Teknik Informatika JOISIE (Journal Of Information Systems And Informatics Engineering) Building of Informatics, Technology and Science Zonasi: Jurnal Sistem Informasi Jurnal Daur Lingkungan Jurnal Sistem Komputer dan Informatika (JSON) Jurnal Computer Science and Information Technology (CoSciTech) AloHA International Journal of Health Advancement (AIJHA) Journal of Community Development JURNAL ILMU DAN TEKNOLOGI KESEHATAN TERPADU Malcom: Indonesian Journal of Machine Learning and Computer Science JURNAL SANITASI LINGKUNGAN Journal Of Artificial Intelligence And Software Engineering SEGANTANG LADA : JURNAL PENGABDIAN KESEHATAN Jurnal Indonesia : Manajemen Informatika dan Komunikasi Science, Technology, and Communication Journal
Iwan Iskandar
Jurusan Kesehatan Lingkungan, Poltekkes Kemenkes, Tanjungpinang, Kepulauan Riau,, 29124
Humanities Biochemistry, Genetics & Molecular Biology Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Electrical & Electronics Engineering Engineering Environmental Science Health Professions Immunology & microbiology Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Medicine & Pharmacology Nursing Public Health Social Sciences

Published : 34 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Journal Of Artificial Intelligence And Software Engineering

 1 
Applying Local Interpretable Model-agnostic Explanations (LIME) for Interpretable Deep Learning in Lung Disease Detection Ananda, Sherly; Negara, Benny Sukma; Irsyad, Muhammad; Jasril, Jasril; Iskandar, Iwan
Journal of Artificial Intelligence and Software Engineering Vol 5, No 2 (2025): Juni On-Progress
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v5i2.7042

Abstract

Artificial Intelligence (AI) semakin banyak diterapkan dalam bidang kesehatan melalui model Machine Learning (ML) dan Deep Learning (DL). Namun, kompleksitas model modern yang bersifat black-box menimbulkan kebutuhan akan metode interpretasi yang transparan. Explainable AI (XAI) hadir untuk menjembatani hal tersebut, dengan memberikan pemahaman yang lebih baik terhadap kinerja model. Penelitian ini mengimplementasikan metode Local Interpretable Model-agnostic Explanations (LIME) untuk memvisualisasikan hasil klasifikasi model DL berbasis arsitektur ResNet18 terhadap citra Chest X-ray (CXR) pada tiga kelas: normal, COVID-19, dan pneumonia. Model mencapai precision, recall, dan F1-score rata-rata sebesar 97%, serta Accuracy sebesar 98%. Visualisasi LIME menunjukkan area citra yang berkontribusi signifikan terhadap klasifikasi, serta mampu membedakan ketiga kelas dengan baik. Hasil ini mendukung penggunaan XAI untuk meningkatkan interpretabilitas model DL dalam diagnosis medis.
Interpreting Lung Disease Detection from Chest X-rays Using Layer-wise Relevance Propagation (LRP) Fauziyyah, Laila Nurul; Negara, Benny Sukma; Irsyad, Muhammad; Iskandar, Iwan; Yanto, Febi
Journal of Artificial Intelligence and Software Engineering Vol 5, No 2 (2025): June
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v5i2.7043

Abstract

Penelitian ini mengusulkan pendekatan klasifikasi penyakit paru berbasis citra X-ray menggunakan arsitektur VGG16 yang dilengkapi metode interpretabilitas Layer-wise Relevance Propagation (LRP). Dataset terdiri dari tiga kelas: COVID-19, pneumonia, dan normal, yang diproses melalui augmentasi dan normalisasi. Model dilatih dengan rasio data 70:30, learning rate 0.001, batch size 32, dan optimizer Adam. Hasil pelatihan menunjukkan akurasi tinggi sebesar 96,78% dengan nilai precision, recall, dan F1-score yang seimbang. Metode LRP digunakan untuk menyoroti area penting pada citra yang berkontribusi terhadap prediksi model, sehingga meningkatkan transparansi keputusan. Kontribusi utama penelitian ini adalah integrasi VGG16 dengan LRP dalam klasifikasi multi-kelas citra X-ray, yang memberikan hasil akurat sekaligus interpretasi visual yang mendukung kepercayaan dalam aplikasi medis.
Application of Shapley Additive Explanations (SHAP) in Deep Learning for Lung Disease Detection Using X-ray Images Muliani, Sarifah; Negara, Benny Sukma; Irsyad, Muhammad; Jasril, Jasril; Iskandar, Iwan
Journal of Artificial Intelligence and Software Engineering Vol 5, No 2 (2025): June
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v5i2.7044

Abstract

Pemeriksaan menggunakan citra x-ray merupakan metode yang efektif dalam membantu deteksi penyakit paru-paru, seperti COVID-19, dan pneumonia. Seiring dengan perkembangan teknologi yang meningkat, proses diagnosis kini dapat dilakukan secara lebih akurat dengan memanfaatkan sistem berbasis kecerdasan buatan. Salah satu metode yang banyak digunakan adalah deep learning namun metode ini bersifat black-box, sehingga hasil prediksi sulit dipahami dengan alasan dibalik keputusan model. Tujuan penelitian ini adalah untuk membangun sistem klasifikasi citra x-ray menggunakan model deep learning berbasis Convolutional Neural Network (CNN) dengan arsitektur VGG-16, serta menerapkan metode Shapley Additive Explanations (SHAP) untuk memberikan penjelasan mengenai visual terkait area citra yang mempengaruhi hasil prediksi. Model dilatih menggunakan beberapa konfigurasi, dan hasil terbaik diperoleh pada rasio data 80% : 20%, learning rate 0.001, batch size 32, dan 50 epoch. Hasil penelitian menunjukkan bahwa model mampu mencapai akurasi sebesar 95,75% pada data training dan 96,00% pada data validasi. Metode SHAP digunakan untuk meningkatkan pemahaman terhadap hasil prediksi. Hasil menunjukkan bahwa kombinasi deep learning dan SHAP mampu memberikan penjelasan visual terhadap hasil prediksi model.
Lung Disease Detection Using Gradient-Weighted Class Activation Mapping (Grad-CAM) Sofiyah, Wan; Negara, Benny Sukma; Irsyad, Muhammad; Iskandar, Iwan; Yanto, Febi
Journal of Artificial Intelligence and Software Engineering Vol 5, No 2 (2025): June
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v5i2.7041

Abstract

Early detection of respiratory diseases such as Coronavirus Disease-19 (Covid-19) and Pneumonia is crucial for accelerating treatment and preventing more serious complications. This study proposes a method for classifying Chest X-ray (CXR) images using a Convolutional Neural Network (CNN) to distinguish between Covid-19, Pneumonia, and normal lungs. Model training involved exploring various hyperparameter combinations to find the optimal configuration. The best results were achieved with a learning rate of 0.001, 50 epochs, and a batch size of 32, yielding an accuracy of 96.33%. Evaluation was conducted using accuracy, precision, recall, F1-score, and confusion matrix metrics. This study uses Gradient-Weighted Class Activation Mapping (Grad-CAM) as a transparent interpretation tool for model decisions. The main contribution of this study is the application of Grad-CAM in multi-class CXR classification to enhance model interpretability in lung disease diagnosis.
Co-Authors Afriyanti, Liza Agnesti, Syafira Agustian, Surya Agustina, Auliyah Ahmad, Rizmah Zakiah Nur Alvinur Hidayat, Alvinur Amelia, Felina Ananda, Nuari Ananda, Sherly Arasy, Abdurrahman Astuti, Indah Dwi Aulia Ramadhani Budianita , Elvia Cynthia , Eka Pandu Darmizal, Teddie Delifah, Nur Elin Haerani Elvia Budianita Fadhilah Syafria Fauziyyah, Laila Nurul Febi Yanto Fikri, Mhd Ikhsanul Fitri Insani Gusrianti, Elsa Gusti, Siska Kurnia Hamwar, Syahbudin Handayani, Lala Syafitri Haryadi - Herdiana, Dora Horiza, Hevi Idris, M. Fadhil Idris, Muhammad Fadhil Iis Afrianty Irsyad (Scopus ID: 57204261647), Muhammad Jasril Jasril Kholilah Samosir Lawami, Reza Haya Lestari Handayani MF, M.Yusuf Muhammad Affandes Muhammad Fikry Muhammad Irsyad Mukodri, Dewi Mey Lestanti Muliani, Sarifah Nazir, Alwis Nazruddin Safaat Nazruddin Safaat H Negara, Benny Sukma Novriyanto Novriyanto Permata, Rizkiya Indah Purnama, Irgi Putri. P, Zurneli Kurnia Ragil S, Mahdhan Reski Mai Candra Ridho Hilmawan, Ridho Rinaldi Daswito Ristina Rosauli Harianja rizkaramdhaniartie, siti Sandi, Wahyu Ari Sofiyah, Wan Suwanto Sanjaya Syaputra, Alviandy Tri Prastio Nugroho Yuhesti, Mutia Yuli Novita Sari, Yuli Novita Yusra Yusra, Yusra Zulya Erda