Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal CESS (Journal of Computer Engineering, System and Science) Jurnal Ilmiah SIGMA: Informatics Engineering Journal of UPB VIDHEAS: Jurnal Nasional Abdimas Multidisiplin
Nurhadi Surojudin
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : CESS (Journal of Computer Engineering, System and Science)

 1 
Penerapan Deep Learning Berbasis DenseNet Untuk Deteksi Diabetic Retinopathy Pada Citra Fundus Mata Ade Maulani Bilgis; Nurhadi Surojudin; Ahmad Fauzi
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 2 (2025): Juli 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i2.66507

Abstract

Deteksi dini diabetic retinopathy sangat penting untuk mencegah komplikasi pada penglihatan, termasuk kebutaan permanen. Namun, proses diagnosis secara manual menggunakan citra fundus memerlukan waktu dan keahlian tinggi. Penelitian ini bertujuan untuk mengembangkan model deep learning berbasis densenet yang di fine-tune untuk mendeteksi diabetic retinopathy secara otomatis dari citra fundus mata. Dengan dataset sebesar 2.840 gambar yang terbagi ke dalam dua kelas yaitu DR dan NO_DR. Model dilatih menggunakan proses preprocessing dan augmentasi data, dengan hasil evaluasi yang menunjukkan bahwa model mencapai akurasi sebesar 96% pada dua kelas yang seimbang, dan AUC 0.99. Hal itu mencerminkan kemampuan klasifikasi yang sangat baik serta sensitivitas ynag tinggi, nilai recall yang tinggi mengindikasikan bahwa model mampu mengenali sebagian besar pasien yang mengalami DR. Penelitian ini menunjukkan bahwa densenet dengan fine-tune dapat menghasilkan model deteksi yang akurat dan berpotensi untuk membantu diagnosis dini diabetic retinopathy.   
Klasifikasi Tingkat Stres pada Mahasiswa Tingkat Akhir menggunakan Metode Naïve Bayes di Universitas Pelita Bangsa Rima Puji Lestari; Nurhadi Surojudin; Eko Budiarto
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 2 (2025): Juli 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i2.66565

Abstract

Stres sering dialami oleh mahasiswa, khususnya mahasiswa tingkat akhir yang sedang menyelesaikan skripsi. Penelitian ini dilakukan untuk mengklasifikasikan tingkat stres yang sedang dihadapi oleh mahasiswa tingkat akhir Prodi Teknik Informatika angkatan 2021 di Universitas Pelita Bangsa dengan menggunakan metode Naïve Bayes. Berdasarkan hasil kuesioner, terdapat 300 responden berpartisipasi. Dengan menggunakan pendekatan SEMMA (Sample, Explore, Modify, Model, Assess), data dari 300 responden dilakukan proses handling sehingga tersisa 285 data yang valid, kemudian data dibagi menjadi data latih dan data uji dengan perbandingan 80:20. Tingkat stres dikategorikan menjadi 3 yaitu rendah, sedang, dan tinggi. Performa model menunjukkan bahwa model memiliki akurasi sebesar 93%, dengan nilai precision, recall, dan F1-score keseluruhan masing-masing sebesar 93%. Hasil klasifikasi diperoleh bahwa tingkat stres sedang merupakan kategori terbanyak yaitu sebesar 42,1%, diikuti oleh stres tinggi 29,1%, dan stres rendah 28,8%. Temuan pada penelitian ini dapat digunakan sebagai dasar pengambilan keputusan untuk penyediaan layanan dukungan psikologis dan akademik bagi mahasiswa tingkat akhir.
Co-Authors Ade Maulani Bilgis Ahmad Fauzi Edi Triwibowo Eko Budiarto muhidin, asep Rima Puji Lestari