Article Per Year (5 Year)
p-Index From 2021 - 2026
3.647
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Dasar POSITRON PRISMA FISIKA JURNAL FISIKA Jurnal Fisika Unand Jurnal Fisika FLUX Jurnal Penelitian Pendidikan IPA (JPPIPA) BULETIN AL-RIBAATH Jurnal Ilmu Fisika Jurnal Teras Fisika : Teori, Modeling, dan Aplikasi Fisika Abdimas Galuh: Jurnal Pengabdian Kepada Masyarakat
Hasanuddin Hasanuddin
Program Studi Fisika, Fakultas Matematika Dan Ilmu Pengetahuan Alam, Universitas Tanjungpura
Agriculture, Biological Sciences & Forestry Astronomy Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Control & Systems Engineering Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Nursing Physics Other

Published : 28 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search
Journal : PRISMA FISIKA

 1   2 
Prediksi Penyakit Hepatitis C dan Sirosis Hati dengan Penerapan SMOTE pada Metode Jaringan Saraf Tiruan Propagasi Balik Rajiah, Emi; Hasanuddin, Hasanuddin; Wahyuni, Dwiria
PRISMA FISIKA Vol 11, No 3 (2023)
Publisher : FMIPA, Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/pf.v11i3.65229

Abstract

Penyakit hati adalah gangguan yang menyebabkan organ hati tidak bekerja dengan normal. Penelitian ini berfokus pada penyakit hati salah satunya yaitu, hepatitis C dan sirosis hati. Proses komputerisasi digunakan untuk mempermudah dalam pengolahan data agar memperoleh hasil yang akurat dan lebih memudahkan ahli medis dalam klasifikasi, prediksi, diagnosa dan pendeteksian suatu penyakit. Tujuan penelitian ini yaitu, untuk mengetahui jaringan saraf tiruan propagasi balik dalam memprediksi penyakit hepatitis C dan sirosis hati serta mengetahui persentase nilai akurasinya. Propagasi balik (backpropagation) termasuk algoritma jaringan saraf tiruan merupakan metode yang digunakan pada penelitian ini untuk menyelesaikan tugas yang komplek dengan bantuan Synthetic Minority Oversampling Technique (SMOTE) untuk menyeimbangkan data. Prinsip yang digunakan dalam metode SMOTE ialah prinsip oversampling yaitu, dengan membangkitkan data dari kelas yang jumlahnya sedikit (minor) agar jumlahnya seimbang dengan data dari kelas yang jumlahnya banyak (mayor). Hasil prediksi pada penelitian ini dengan metode propagasi balik untuk penyakit hepatitis C dengan pengolahan menggunakan SMOTE dan tanpa SMOTE berturut-turut yaitu, sebesar 99% dan 95%, sedangkan nilai akurasi prediksi penyakit sirosis hati dengan pengolahan menggunakan SMOTE dan tanpa SMOTE berturut-turut yaitu, sebesar 85% dan 84%. Berdasarkan hasil yang diperoleh tersebut, dapat disimpukan bahwa pengolahan data dengan bantuan SMOTE memperoleh nilai akurasi lebih tinggi sehingga dapat membantu meningkatkan nilai akurasi dalam proses pelatihan dan pengujian.Kata Kunci : Hepatitis_C, Jaringan_Saraf_Tiruan, Propagasi_Balik, Sirosis_Hati, SMOTE
Identifikasi Tumor Otak Menggunakan Convolutional Neural Network Arsitektur NasNetMobile Dengan Optimasi Wiener Filter Tiofi, Timothi; Arman, Yudha; Hasanuddin, Hasanuddin
PRISMA FISIKA Vol 13, No 3 (2025): PRISMA FISIKA, Vol. 13, No. 03 (2025)
Publisher : FMIPA, Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/pf.v13i3.77722

Abstract

Telah dilakukan identifikasi keberadaan tumor otak pada citra Magnetic resonance imaging (MRI) menggunakan metode convolutional neural network (CNN). Proses identifikasi dimulai dari preprocessing citra, yang dilanjutkan dengan CNN arsitektur NasNetMobile. Pada tahap preprocessing, citra dipotong dan disesuaikan ukurannya agar seragam. Proses grayscaling citra kemudian dilakukan sebagai masukan bagi proses ekualisasi histogram. Noise pada citra hasil ekualisasi direduksi menggunakan metode wiener filter dengan nilai K 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, dan 1. Deteksi tepi menggunakan operator sobel dilakukan pada citra biner yang telah difilter tersebut. Citra hasil pengolahan kemudian digunakan pada proses Identifikasi tumor otak menggunakan CNN arsitektur NasNetMobile. Hasil penelitian menunjukan bahwa akurasi tertinggi (95,6%) diperoleh pada model dengan nilai K = 0.4. Tahap preprocessing citra sangat menentukan keakuratan proses identifikasi.
Co-Authors AA Sudharmawan, AA Abdillah, Retry Asykurani Al Sahid, Siti Azziza Andi Hairil Alimuddin Arsyad, Ya' Muhammad Artedi Asifa Asri Azrul Azwar Bintoro Siswo Nugroho Dala Novika Sandi Dawar, Teofilipus Dwiria Wahyuni Eusebius, Agustinus Febriyanto, Ferdy Firman Saputra H., Cindy Priscilla Harmawanda, Salsabila Haryanti, Nida Hendra Perdana Herli Herli Ilham Lazuardy Arief Irfana Diah Faryuni Joko Sampurno Maulana Febri Agung Wardana Mega Nurhanisa Muhammad Azis Dwi Ludfi Irfandi Muhardi Muliadi Muliadi Nurhasanah Nurhasanah Nurhasanah Nurhasanah Putri, Evi Pania Raditiya, Muhammad Rajiah, Emi Rio Andreano Risko, Risko Riza Adriat Sari Sari Suhardi Tiofi, Timothi Untarto, Fikri Yudistira Eka Praja Veronika Pitri Wahyu Hidayat Wahyu Hidayat Yeni Apriyanti Yoga Satria Putra Yudha Arman Yudhi Yuris Sutanto Zikri, Era Zulfian Zulfian