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 28 Documents
Search

 1   2   3 
Classification of Malignancy of Lung Cancer Using Backpropagation Algorithm on CT-Scan Images Putri, Evi Pania; Nurhasanah, Nurhasanah; Wahyuni, Dwiria; Hasanuddin, Hasanuddin; Adriat, Riza; Arsyad, Ya' Muhammad
Jurnal ILMU DASAR Vol 25 No 2 (2024)
Publisher : Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19184/jid.v25i2.39054

Abstract

In this study, we investigate the classification of lung cancer CT scan images based on malignancy level using a backpropagation artificial neural network (ANN). Lung cancer is a deadly disease characterized by the growth of abnormal lung cells. The proposed method involves preprocessing to enhance image quality, followed by feature extraction using the Gray Level Co-occurrence Matrix (GLCM) method with angle variations of 0°, 45°, 90°, 135°, and d=1. The extracted features include energy, contrast, correlation, and homogeneity. The energy value range in malignant cancer is 0.27 to 0.81, while in benign cancer it is 0.26 to 0.73. The contrast in benign cancer ranges from 1.38 to 11.87, while in malignant cancer it is 1.47 to 13.67. The image correlation for malignant cancer is between 0.63 to 0.94, while for benign cancer it is 0.69 to 0.96. Homogeneity in malignant cancer has a value range between 0.67 to 0.91, while in benign cancer it ranges from 0.70 to 0.92. The classification of lung cancer malignancy is restricted to benign and malignant levels using a network architecture of [4 10 2], maximum iteration of 100000, and learning rate of 0.001. The accuracy of the testing data from the ANN is between 90% and 100%. These results demonstrate the effectiveness of the GLCM method and backpropagation algorithm in accurately classifying the malignancy level of lung cancer, which could aid in the early detection and treatment of the disease.
Analisis Dosis Radiasi dan Pembuatan Kalkulator Risiko Kanker Berbasis Website pada Pemeriksaan CT Scan Thorax Al Sahid, Siti Azziza; Hasanuddin, Hasanuddin; Zulkifli, Zulkifli
PRISMA FISIKA Vol 12, No 2 (2024)
Publisher : FMIPA, Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/pf.v12i2.78958

Abstract

Computed tomography thorax  atau CT  thorax  semakin banyak dilakukan di rumah sakit dalam rangka mendeteksi kelainan paru-paru dan organ pada dada lainnya.  Selama  scanning,  pasien akan menerima dosis tertentu. Estimasi dosis radiasi yang diterima pasien bisa dilihat pada komputer CT  Scan  berupa nilai  Computed Tomography Dose Index  (CTDI).  Penelitian ini dilakukan untuk analisis dosis radiasi dan risiko yang akan diterima pasien pada pemeriksaan CT  scan thorax  dengan kuat arus dan usia pasien yang berbeda. Selain itu, dilakukannya pembuatan kalkulator risiko kanker pada pemeriksaan CT  scan  untuk mempermudah operator melakukan evaluasi dan mahasiswa yang ingin melakukan studi besar risiko yang diterima pasien dengan dosis tertentu.  Dosis efektif pada pemeriksaan CT  scan thorax  di RSUD dr.  Soedarso berkisar antara  0,85 mSv hingga 5,3 mSv dengan rata-rata 3,15 mSv dan besar risiko kanker berkisar antara 0,004% hingga 0,001%. Semakin besar kuat arus yang diberikan, maka semakin besar dosis radiasi dan risiko yang akan diterima pasien karena kuat arus berpengaruh terhadap kuantitas sinar-X.
Enhancing Stellar Orbit Accuracy through the Radius Power Law Time Step Function Model Hasanuddin, Hasanuddin; Eusebius, Agustinus; Arman, Yudha
Jurnal Ilmu Fisika Vol 18 No 1 (2026): March 2026
Publisher : Jurusan Fisika FMIPA Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/jif.18.1.35-44.2026

Abstract

Accurately determining stellar orbits within astrophysical systems is paramount for understanding celestial mechanics. This study proposes a novel approach to enhance orbit accuracy by incorporating a radius power law time step function model. The methodology involves the numerical integration of the system's dynamics using a forward fourth-order symplectic integrator, combined with a time step function dependent on the distance of the test particle from the system's center. We conduct simulations on various astrophysical scenarios represented by conservative potentials, including point mass, Plummer, and Hernquist models. Our results demonstrate that employing a power-law time step function with an exponent of 1.5 significantly reduces phase-space error (measured by the ratio of radial to orbital periods) and improves orbit accuracy (measured by the gradient of the relative total energy drift). The method is easy to implement, computationally efficient, and adaptable to N-body and more general dynamical systems. Its solid theoretical basis and numerical reliability make it a practical tool for improving orbit accuracy in diverse astrophysical applications.
Identifikasi Penyakit COVID-19 dan Tuberkulosis Menggunakan Metode Convolutional Neural Network Arsitektur GoogLeNet Berdasarkan Citra Rontgen Thorax Abdillah, Retry Asykurani; 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.v11i3.65228

Abstract

Penelitian identifikasi penyakit COVID-19 dan tuberkulosis berdasarkan rontgen thorax dengan metode convolutional neural network (CNN) arsitektur GoogLeNet telah dilakukan untuk menganalisis dan meningkatkan nilai akurasi dari penelitian CNN GoogLeNet dalam mengidentifikasi penyakit COVID-19 dan tuberkulosis.   Data penelitian diperoleh dari situs Kaggle yang terdiri dari 700 citra COVID-19, 700 citra normal, dan 700 citra tuberkulosis. Metode CNN GoogLeNet dalam mengidentifikasi citra dimulai dari tahapan augmentasi, pelatihan, dan pengujian. Tahap augmentasi diawali dengan mengecilkan dan memotong citra hingga berukuran 224×224 piksel, membuat citra dirotasi secara acak 5⁰ dan citra dibalik posisinya secara horizontal serta citra akan digeser secara acak sebesar 0,08 berdasarkan kemiringan 0,2⁰. Tahapan pelatihan dan pengujian menggunakan hyperparameter yang terdiri atas batch size (16, 32, dan 64), epoch (10, 30, dan 50), cross entropy loss, optimizer (Adam), dan learning rate 0,0001.  Hasil penelitian menunjukkan bahwa CNN GoogLeNet mengidentifikasi penyakit berdasarkan derajat keabuan yang dimiliki oleh citra melalui proses feature learning dan classification. Derajat keabuan pada citra berkisar antara 0-255 sedangkan yang dimiliki penyakit COVID-19 dominan pada 200-255, penyakit tuberkulosis dominan pada 100-255, dan kondisi paru-paru normal dominan pada 0-100. Hasil penelitian berdasarkan proses klasifikasi pengujian menghasilkan akurasi 97% (batch size 16 dan epoch 10), 98% (batch size 16 dan epoch 30), 97% (batch size 16 dan epoch 50), 96% (batch size 32 dan epoch 10), 98% (batch size 32 dan epoch 30), 96% (batch size 32 dan epoch 50), 96% (batch size 64 dan epoch 10), 96% (batch size 64 dan epoch 30), dan 97% (batch size 64 dan epoch 50).  Kata Kunci : Citra Rontgen, CNN, COVID-19, GoogLeNet, Tuberkulosis
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.
Aplikasi Sensor MQ-3 dan Arduino Uno untuk Mengukur Kadar Alkohol dalam Minuman Tradisional Dawar, Teofilipus; Hasanuddin, Hasanuddin; Nugroho, Bintoro Siswo
Jurnal Teras Fisika: Teori, Modeling, dan Aplikasi Fisika Vol 8 No 2 (2025): Jurnal Teras Fisika: Teori, Modeling, dan Aplikasi Fisika
Publisher : Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20884/1.jtf.2025.8.2.16708

Abstract

Penelitian ini bertujuan untuk merancang dan membangun alat pengukur kadar alkohol yang ekonomis dan mudah dioperasikan menggunakan Arduino Uno dan sensor MQ-3. Alat ini dikembangkan untuk mendeteksi konsentrasi alkohol pada minuman, khususnya minuman tradisional yang umumnya tidak mencantumkan kadar alkohol secara eksplisit. Perancangan mencakup penggabungan komponen perangkat keras seperti sensor MQ-3, Arduino Uno, dan LCD 16×2, serta pemrograman melalui Arduino IDE. Kalibrasi alat dilakukan terhadap larutan alkohol dengan konsentrasi 5–40%. Hasil kalibrasi menunjukkan hubungan fungsi logaritmik dengan nilai R² = 0,9971 antara nilai sensor dan konsentrasi alkohol. Pengujian dilakukan terhadap minuman beralkohol dan berlabel yang menunjukkan bahwa alat mampu mengukur kadar alkohol dengan tingkat kesalahan relatif antara 5–20%. Dengan menggunakan alat ini, beberapa sampel minuman tradisional beralkohol dapat ditentukan kadar alkoholnya seperti tuak 7%, tajok 17%, dan arak 33,75%. Penelitian ini dapat memberikan kontribusi berupa solusi alternatif pengukuran kadar alkohol yang terjangkau dan aplikatif di masyarakat.
Studi Dinamika Molekular Gas Karbon Dioksida dalam struktur es XVII Yudha Arman; Artedi; Hasanuddin
Jurnal Penelitian Pendidikan IPA Vol 11 No 1 (2025): January
Publisher : Postgraduate, University of Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/jppipa.v11i1.8336

Abstract

We conducted a molecular dynamics study on CO2 hydrate within the ice XVII structure to examine the molecular diffusion of CO2 molecules, as it is essential to the hydrate potential as a carbon capture. The simulated CO2 hydrate system used 324 water molecules and 90 CO2 molecules. We used the TIP4P/Ice model for water molecules, and the CO2 molecules were treated as united atom. The simulations were carried out at 273,15 K under various pressures of 200 MPa, 500 MPa, and 1000 MPa for 1,50 ns, with a step size of 1 fs. The results showed that the CO2 molecules were confined and freely moved inside the cage-like chiral tube along the c-axis of the ice XVII structure. No significant inter-cage hopping was observed during the evolution of all simulated systems. The diffusion coefficient values for CO2 molecules within the ice XVII structure were 5.03 × 10-8 cm2s-1, 2.45 × 10-8 cm2s-1, and 8.86 × 10-8 cm2s-1  for the respective pressure variations of 200 MPa, 500 MPa, and 1000 MPa, resulting in an inverse proportional with the system's pressure. A higher diffusion coefficient facilitates a faster the mass transfer and adsorption rate of CO2 in formation build up of the CO2 hydrate system.
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