Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : IJCIT (Indonesian Journal on Computer and Information Technology)

Diagnosa Tuberculosis Paru Berbasis Citra X-ray Menggunakan Convolutional Neural Network Saeful Bahri; Rusda Wajhillah; Miftah Farid Adiwisastra
IJCIT (Indonesian Journal on Computer and Information Technology) Vol 6, No 2 (2021): IJCIT November 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (374.623 KB) | DOI: 10.31294/ijcit.v6i2.11844

Abstract

ABSTRAKTuberkulosis merupakan sebuah penyakit yang disebabkan oleh Mycobacterium tuberculosis. Penyakit ini dapat menyerang darah, tulang otak dan paru-paru. Diagnosa yang cepat dan akurat sangat diperlukan agar dapat dilakukan pengobatan yang tepat. Diagnosa biasanya dilakukan dengan cara melihat hasil citra x-ray thorax dan hasil test BTA pada pasien. Penelitian ini bertujuan untuk mempercepat identifikasi dalam proses diagnosa dari citra paru yang terinfeksi bakteri tuberculosis. Diagnosa dilakukan dengan bantuan machine learning  berdasarkan hasil citra x-ray menggunakan Algoritma CNN, dengan cara mengklasifikasikan citra x-ray normal dan citra x-ray tuberculosis. Dalam penelitian ini, dibahas tentang penggunaan citra x-ray paru atau citra thorax untuk mendeteksi diagnosa penyakit paru yang disebabkan oleh microbacterium tuberculosis. Hasil klasifikasi dengan CNN yang didapat setelah proses evaluasi model menunjukan nilai yang cukup baik yaitu untuk nilai akurasi di kisaran 89%, sementara untuk nilai f1-score 0,89 ABSTRACTSTuberculosis is a disesase caused by microbacterium tuberculosis. This disease can attack the blood, bones, barain and lungs. A fast and accurate diagnosis is nedded so that appropriate treatment can be carried out. In case tuberculosis, diagnostic is usually done by the result of the chest x-ray image, and the diagnostic result by laboratories BTA test on the patient. This research aims to accelerated the identification in the diagnostic process of lungs image infeted tuberculosis bactria diagnosis is done with the help of machine learning based on the results of x-ray images using the CNN Algorithm, by classifying normal x-ray images and tuberculosis x-ray images. In this study, we discussed the use of the thorax image for diagnostic disease lungs caused by microbacterium tuberculosis. The classification results with CNN obtained after the model evaluation process showed a fairly good value, namely for the accuracy value in the range of 89%, while for the f1-score value of 0,89.
Implementasi Virtual Reality Pada Pengenalan Tata Surya Berbasis Android Miftah Farid Adiwisastra; Ivanisevic Hanuraiga El-Ahmed; Saeful Bahri
IJCIT (Indonesian Journal on Computer and Information Technology) Vol 4, No 2 (2019): IJCIT November 2019
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (495.067 KB) | DOI: 10.31294/ijcit.v4i2.5558

Abstract

Mempelajari ilmu perbintangan atau astronomi ditambah dengan kemajuan teknologi yang sangat pesat saat ini bukan lagi menjadi hal yang sulit untuk dilakukan semua orang. Salah satunya dengan Virtual Reality yang dapat memvisualisasikan gambar 3D menjadi lebih nyata. Mengenalkan  objek-objek seperti planet-planet yang ada di Tata Surya dengan menggunakan VR akan lebih efektif selain memberikan pengamalan dan teknologi baru, pengguna juga dapat berinteraksi secara langsung daripada menggunakan media elektronik lainnya yang mevisualisasikan secara 2D. Penelitian ini berujuan untuk mengenalkan teknologi Virtual Reality kepada seluruhkalangan masyarakat dan memberikan pengetahuan tentang Tata Surya. Aplikasi pengenalan Tata Surya berbasis Virtual Reality ini dibuat dengan perangkat lunak Unity 3D beserta Google Cardboard SDK  sebagai game engine dan C# sebagai bahasa pemrogramannya. Dengan aplikasi ini pengguna akan merasakan pengalaman berada di luar angkasa dan menjelajah ke setiap objek yang ada di dalamnya. Berdasarkan data penggunaan, aplikasi ini telah memenuhi sebesar 83%  kebutuhan pengguna dalam mempelajari Tata Surya .