Article Per Year (5 Year)
p-Index From 2021 - 2026
0.702
P-Index
This Author published in this journals
All Journal SmartComp
Aziz Septian Amrullah
Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika
Computer Science & IT Electrical & Electronics Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Optimasi Identifikasi Adenokarsinoma Dari Citra X-Ray Dengan Metode Learning Vector Quantization Aziz Septian Amrullah; Dadang Iskandar Mulyana
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 11, No 4 (2022): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v11i4.4242

Abstract

Adenokarsinoma adalah jenis kanker yang berkembang dan menyebar di sejumlah organ tubuh manusia, terutama yang memiliki kelenjar dalam, antara lain payudara, paru-paru, kerongkongan, usus besar, pankreas, dan prostat. Karena adenokarsinoma dapat mempengaruhi berbagai organ tubuh dan menyebabkan gejala berkembang secara berbeda, sinar-x adalah satu-satunya metode yang dapat dipercaya untuk mendiagnosis kondisi tersebut. Analisis data sinar-X akan mengungkapkan ada tidaknya adenokarsinoma. Periksa ini untuk mengklasifikasikan hasil rontgen sebagai normal atau kanker. Learning Vector Quantification (LVQ) dan ekstraksi ciri merupakan teknik klasifikasi. Upaya yang dilakukan dengan Klasifikasi citra diterapkan sebelum Grayscale, kemudian karakteristik ekstraksi digunakan. First-Rate Kualitas nilai parameter adalah mu, deviasi, skewness, energy, entropy, dan smoothness. 150 gambar x-ray akan diperiksa, dan Learning Vector Quantization akan digunakan untuk mengklasifikasikan hasilnya. Pada epoch 100, akurasi penelitian ini mencapai puncaknya, 97,3%, dan learning rate antara 0,1 dan 0,2.
Identifikasi Kerusakan Jalan dengan Metode Faster R-CNN Studi Kasus di Jalan Pakansari Bogor Jawa Barat Andriyana Fajar; Dadang Iskandar Mulyana; Aziz Septian Amrullah; Kurniawan Irfan Nauval
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 11, No 2 (2022): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v11i2.3509

Abstract

Salah satu mobilitas yang sangat penting jalan Raya.karena baik buruk nya jalan,dapat menjadi salah satu faktor keselamatan bagi pengguna jalan,di jalan Pakansari bogor saat ini ada banyak sedikit ditemukan kerusakan jalan berupa lubang yang tidak terlalu besar,salah satu faktor lamanya proses perbaikan jalan yaitu disebabkan oleh proses pendataan yang kondisi kerusakan jalan yang masih dilakukan secara manual.Dengan perkembangan teknologi saat ini, telah banyak dilakukan penelitian untuk mendeteksi jenis kerusakan jalan secara otomatis dengan menggunakan metode Faster RCNN.pada tahun 2015 dilakukan perubahan pada algoritma pengumpulan region proposal pada Fast R-CNN yang semula selective search menjadi Region Proposal Network (RPN) dan mendapatkan kecepatan deteksi dan akurasi yang lebih baik dari pendahulunya. Metode tersebut Faster R-CNN. Masing-masing kecepatan R-CNN, Fast R-CNN, Faster R-CNN berturut-turut yaitu 50 detik, 2 detik, dan 0,2 detik. Dengan catatan, hardware yang digunakan pada penelitian tersebut menggunakan komputer high-end. Pada pengukuran akurasi, keluarga R-CNN mendapat akurasi rata-rata diatas 70%. Dengan kehandalan yang dimiliki Faster R-CNN, penulis membangun sistem deteksi pengguna jalan. Namun, spesifikasi hardware yang lebih rendah yang dimiliki, penulis mengusulkan menggunakan arsitektur yang lebih ringan, yaitu tingkat akurasi yang dihasilkan menggunakan metode Faster R-CNN yang diperbarui sebesar 96,84%. Sedangkan kecepatan deteksi yang diperoleh sebesar 0,16 citra/detik.
Co-Authors Andriyana Fajar Dadang Iskandar Mulyana` Kurniawan Irfan Nauval