Article Per Year (5 Year)
p-Index From 2020 - 2025
0.983
P-Index
This Author published in this journals
All Journal ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika JETT (Jurnal Elektro dan Telekomunikasi Terapan) eProceedings of Engineering Community Service Seminar and Community Engagement (COSECANT)
Thomhert Suprapto Siadari
Telkom University
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Other

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
DETEKSI PENYAKIT COVID-19 BERDASARKAN CITRA X-RAY MENGGUNAKAN DEEP RESIDUAL NETWORK HARIYANI, YULI SUN; HADIYOSO, SUGONDO; SIADARI, THOMHERT SUPRAPTO
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 8, No 2 (2020): ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektro
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v8i2.443

Abstract

ABSTRAKPenyakit Coronavirus-2019 atau Covid-19 telah menjadi pandemi global dan menjadi masalah utama yang harus segera dikendalikan. Salah satu cara yang dapat dilakukan adalah memutus rantai penyebaran virus tersebut dengan melakukan deteksi dan melalukan karantina. Pencitraan X-Ray dapat dijadikan alternatif dalam mempelajari Covid-19. X-Ray dianggap mampu menggambarkan kondisi paru-paru pada pasien Covid-19 dan dapat menjadi alat bantu diagnosa klinis. Pada penelitian ini, kami mengusulkan pendekatan deep learning berbasis residual deep network untuk deteksi Covid-19 melalui citra chest X-Ray. Evaluasi yang dilakukan untuk mengetahui performa metode yang diusulkan berupa precision, recall, F1, dan accuracy. Hasil eksperimen menunjukkan bahwa usulan metode ini memberikan precision, recall, F1 dan accuracy masing-masing 0,98, 0,95, 0,97 dan 99%. Pada masa mendatang, studi ini diharapkan dapat divalidasi dan kemudian digunakan untuk melengkapi diagnosa klinis oleh dokter.Kata kunci: Coronavirus-2019, Covid-19, chest X-Ray, deep learning, residual network ABSTRACTCoronavirus-2019 or Covid-19 disease has become a global pandemic and is a major problem that must be stopped immediately. One of the ways that can be done to stop its spreading is to break the spreading chain of the virus by detecting and doing quarantine. X-Ray imaging can be used as an alternative in detecting Covid-19. X-Ray is considered able to describe the condition of the lungs for Covid-19 suspected patients and can be a supporting tool for clinical diagnosis. In this study, we propose a residual based deep learning approach for Covid-19 detection using chest X-Ray images. Evaluation is carried out to determine the performance of the proposed method in the form of precision, recall, F1 and accuracy. Experiments results show that our proposed method provides precision, recall, F1 and accuracy respectively 0.98, 0.95, 0.97 and 99%. In the future, this study is expected to be validated and then used to support clinical diagnoses by doctors.Keywords: Coronavirus-2019, Covid-19, chest X-Ray, deep learning, residual network
Klasifikasi Citra Kanker Serviks Menggunakan Deep Residual Network Revydo Bima Anshori; Hilman Fauzi; Thomhert Suprapto Siadari
eProceedings of Engineering Vol 9, No 6 (2022): Desember 2022
Publisher : eProceedings of Engineering

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

Abstract

Abstrak—Penyakit kanker serviks menempati posisi ke dua dengan angka kematian tinggi kaum wanita setiap tahunnya menurut WHO. Penyebab penyakit ini karena adanya Human Papilloma Virus (HPV) yang menyerang langsung ke serviks, selain itu juga pola hidup yang kurang sehat dapat mempengaruhi terserangnya penyakit ini. Deteksi dini kanker serviks dapat dilakukan dengan menggunakan pemeriksaan Inspeksi Visual Asam Asetat (IVA). Hasil dari pemeriksaan IVA dapat dilihat kasat mata tetapi ahli medis memiliki perbedaan diagnosis dikarenakan penglihatan sendiri.Untuk membantu ahli medis mendapatkan diagnosis yang sesuai maka pemeriksaan dapat dilakukan dengan pendekatan teknologi. Teknologi yang akan digunakan adalah citra digital. Pengambilan gambar hasil pemeriksaan IVA format .jpg. Penelitian ini dilakukan klasifikasi citra kanker serviks dari hasil pemeriksaan IVA yang telah dilakukan oleh Rumah Sakit Hasan Sadikin Bandung. Untuk pengolahan citra pemeriksaan IVA akan menggunakan citra hasil CLAHE dan citra hasil Canny Edge Detection. Untuk pengklasifikasian akan menggunakan deep learning dengan arsitektur ResNet-50 dan ResNet-101 serta melakukan pengujian terhadap hyperparameter yaitu optimizer, learning rate, batch size, dan input size. Pada penelitian ini hasil terbaik mengunakan citra hasil Canny Edge Detection dengan hyperparameter menggunakan optimizer SGD, learning rate 0.1, batch size 32, dan input size 224×224. Dari hyperparameter tersebut hasil akursi yang dicapai sebesai 98,26 %. Kata kunci— Canny Edge Detection, CLAHE, Kanker Serviks, Pengolahan Citra Digital, Pemeriksaan IVA, ResNet.
PELATIHAN PENGENALAN DAN APLIKASI KECERDASAN ARTIFICIAL UNTUK GURU & SISWA SMK TELKOM BANDUNG Ledya Novamizanti; Thomhert Suprapto Siadari; Fityanul Akhyar
Prosiding COSECANT : Community Service and Engagement Seminar Vol 2, No 1 (2022)
Publisher : Universitas telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (521.551 KB) | DOI: 10.25124/cosecant.v2i1.18418

Abstract

Deteksi Penyakit Covid-19 Berdasarkan Citra X-Ray Menggunakan Deep Residual Network HARIYANI, YULI SUN; HADIYOSO, SUGONDO; SIADARI, THOMHERT SUPRAPTO
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 8, No 2: Published May 2020
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v8i2.443

Abstract

ABSTRAKPenyakit Coronavirus-2019 atau Covid-19 telah menjadi pandemi global dan menjadi masalah utama yang harus segera dikendalikan. Salah satu cara yang dapat dilakukan adalah memutus rantai penyebaran virus tersebut dengan melakukan deteksi dan melalukan karantina. Pencitraan X-Ray dapat dijadikan alternatif dalam mempelajari Covid-19. X-Ray dianggap mampu menggambarkan kondisi paru-paru pada pasien Covid-19 dan dapat menjadi alat bantu diagnosa klinis. Pada penelitian ini, kami mengusulkan pendekatan deep learning berbasis residual deep network untuk deteksi Covid-19 melalui citra chest X-Ray. Evaluasi yang dilakukan untuk mengetahui performa metode yang diusulkan berupa precision, recall, F1, dan accuracy. Hasil eksperimen menunjukkan bahwa usulan metode ini memberikan precision, recall, F1 dan accuracy masing-masing 0,98, 0,95, 0,97 dan 99%. Pada masa mendatang, studi ini diharapkan dapat divalidasi dan kemudian digunakan untuk melengkapi diagnosa klinis oleh dokter.Kata kunci: Coronavirus-2019, Covid-19, chest X-Ray, deep learning, residual network ABSTRACTCoronavirus-2019 or Covid-19 disease has become a global pandemic and is a major problem that must be stopped immediately. One of the ways that can be done to stop its spreading is to break the spreading chain of the virus by detecting and doing quarantine. X-Ray imaging can be used as an alternative in detecting Covid-19. X-Ray is considered able to describe the condition of the lungs for Covid-19 suspected patients and can be a supporting tool for clinical diagnosis. In this study, we propose a residual based deep learning approach for Covid-19 detection using chest X-Ray images. Evaluation is carried out to determine the performance of the proposed method in the form of precision, recall, F1 and accuracy. Experiments results show that our proposed method provides precision, recall, F1 and accuracy respectively 0.98, 0.95, 0.97 and 99%. In the future, this study is expected to be validated and then used to support clinical diagnoses by doctors.Keywords: Coronavirus-2019, Covid-19, chest X-Ray, deep learning, residual network
KLASIFIKASI PENYAKIT PERIODONTAL PADA CITRA GIGI BERWARNA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK Thomhert Suprapto Siadari; Hariyani, Yuli Sun
Jurnal Elektro dan Telekomunikasi Terapan (e-Journal) Vol 11 No 2 (2024): JETT Desember 2024 (Inpres)
Publisher : Direktorat Penelitian dan Pengabdian Masyarakat, Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/jett.v11i2.8090

Abstract

Penyakit periodontal adalah masalah kesehatan gigi yang umum terjadi dan dapat menyebabkan kehilangan gigi jika tidak diobati dengan baik. Deteksi dini dan diagnosis yang akurat sangat penting untuk mengurangi dampak penyakit tersebut. Penelitian ini membandingkan dua model Convolutional Neural Network (CNN), yaitu ResNet-50 dan EfficientNet-B3, dalam melakukan klasifikasi penyakit periodontal berbasis data citra gigi berwarna. Hasil eksperimen menunjukkan bahwa EfficientNet-B3 mencapai akurasi klasifikasi sebesar 84.09%, sementara ResNet-50 mencapai akurasi sebesar 75%. Precision dari model EfficientNet-B3 adalah 80% dibandingkan dengan 66.67% pada model ResNet. Recall dari model EfficientNet-B3 adalah 75%, sementara ResNet adalah 62.5%. F1-score dari EfficientNet-B3 adalah 77.42%, sedangkan ResNet adalah 64.52%. Perbedaan performansi ini menunjukkan keunggulan EfficientNet-B3 dalam mengklasifikasikan penyakit periodontal menggunakan citra gigi berwarna. Keunggulan dari model EfficientNet-B3 ini membuktikan adanya potensi besar dalam meningkatkan akurasi dan efisiensi diagnosis otomatis penyakit periodontal. Penggunaan model CNN memungkinkan proses diagnosis dilakukan lebih cepat dan akurat. Pengembangan lebih lanjut dapat dilakukan untuk meningkatkan akurasi dan keandalan sistem diagnostik berbasis AI di bidang kedokteran gigi, yang pada akhirnya dapat mengurangi beban kerja para profesional kesehatan gigi dan meningkatkan hasil klinis bagi pasien.
Co-Authors Fityanul Akhyar Hilman Fauzi, Hilman Ledya Novamizanti Revydo Bima Anshori Sugondo Hadiyoso YULI SUN HARIYANI