Article Per Year (5 Year)
p-Index From 2021 - 2026
0.817
P-Index
This Author published in this journals
All Journal INFORMASI (Jurnal Informatika dan Sistem Informasi) INOTEK
Chalifa Chazar
STMIK IM
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Social Sciences Other

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : INOTEK

 1 
Diagnosis Kanker Payudara Menggunakan Machine Learning Dengan Algoritma K-Nearest Neighbor Chalifa Chazar; Indra Nursyamsi; Patah Herwanto
Prosiding Seminar Nasional Inovasi dan Adopsi Teknologi (INOTEK) Vol. 1 No. 1 (2021): Prosiding Seminar Nasional Inovasi dan Adopsi Teknologi (INOTEK)
Publisher : LPPM STMIK Rosma

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (423.707 KB)

Abstract

Banyak anggapan bahwa kanker payudara sama seperti tumor, pada kenyataanya tumor yang muncul tidak berarti kanker payudara. Penyakit ini sulit didiagnosis pada tahap awal, hal ini menyebabkan banyak penderita baru mengetahui kondisinya setelah memasuki tahapan yang sulit disembuhkan. Biopsi adalah teknik pemeriksaan dengan mengambil cairan di payudara dengan menggunakan Fine Needle Aspiration (FNA), selanjutnya akan dilakukan diagnosis untuk mengetahui jenis kanker apakah termasuk pada kelompok jinak atau ganas. Diagnosis ini membutuhkan waktu yang relative lama. Machine Learning (ML) memiliki kemampuan untuk dapat meniru kecerdasan manusia dan terus melakukan pembelajaran berdasarkan data atau pengalaman di masa lalu. Semakin sering digunakan Machine Learning (ML) akan menghasilkan tingkat akurasi yang lebih tinggi. Untuk meningkatkan hasil akurasi dari predisksi yang dihasilkan digunakan algoritma K-Nearest Neighbor (K-NN). Penelitian ini bertujuan untuk membangun aplikasi Machine Learning (ML) untuk mendiagnosis jenis kanker payudara dengan menggunkan algoritma K-Nearest Neighbor. Hasil dari penelitian ini menunjukan bahwa algoritma K-Nearest Neighbor (K-NN) dapat menentukan jenis kanker payudara dengan menggunkan sedikit data atau pengalaman dengan hasil akhir yang mudah dipahami.
Penerapan Teachable Machine Pada Klasifikasi Machine Learning Untuk Identifikasi Bibit Tanaman Chalifa Chazar; Muhammad Helmi Rafsanjani
Prosiding Seminar Nasional Inovasi dan Adopsi Teknologi (INOTEK) Vol. 2 No. 1 (2022): Prosiding Seminar Nasional Inovasi dan Adopsi Teknologi (INOTEK)
Publisher : LPPM STMIK Rosma

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (388.705 KB) | DOI: 10.35969/inotek.v2i1.207

Abstract

Pengenalan objek merupakan bagian penting pada manusia yang dapat digunakan untuk proses pengambilan informasi. Perkembangan teknologi kecerdasan buatan yang cepat, menyebabkan teknologi semakin mendekati atau bahkan melebihi kemampuan indera manusia. Sistem intelegensi visual merupakan bidang yang memperdalam cara pandang teknologi dalam memberikan informasi dan kalkulasi secara diskrit dengan dukungan kecerdasan buatan. Pertanian urban saat ini banyak digemari dikalangan masyarakat perkotaan. Pertanian urban adalah praktik budidaya, pemrosesan, dan distribusi bahan pangan di atau sekitar kota. Pertanian urban umumnya dilakukan untuk memenuhi kebutuhan pangan untuk dikonsumsi sebuah keluarga, juga untuk meningkatkan pendapatan dan sebagai bahan untuk relaksasi. Pengenalan objek dapat dimanfaatkan untuk mengetahui jenis bibit tanaman dan informasi tanaman untuk membantu masyarakat yang akan memulai pertanian urban. Teachable Machine merupakan alat yang dapat digunakan untuk membuat sebuah model klasifikasi yang mudah digunakan untuk mengembangkan aplikasi machine learning. Teachable Machine dapat memudahkan proses training data yang umumnya membutuhkan banyak sumberdaya pada machine leaning. Penelitian ini bertujuan untuk menggunakan pengenalan objek dengan machine learning sehingga dapat membantu masyarakat untuk dapat mengenali bibit tanaman dan memberikan informasi tanaman yang dapat berguna untuk mengelola pertanian urban.
Co-Authors Bagus Erawan Hendra Gunawan Herlin Restusari Herwanto, Patah Indra Nursyamsi Moch. Ali Ramdhani Muhammad Helmi Rafsanjani Nisa Hanum Harani Sumpena Virendra Septyanto Yudhi Widya Arthana Rustam