Article Per Year (5 Year)
p-Index From 2021 - 2026
3.505
P-Index
This Author published in this journals
All Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Eksakta : Berkala Ilmiah Bidang MIPA STRING (Satuan Tulisan Riset dan Inovasi Teknologi) JURNAL SURYA ENERGY Al-Tamimi Kesmas: Jurnal Ilmu Kesehatan Masyarakat (Journal of Public Health Sciences) Al-Asalmiya Nursing: Journal of Nursing Sciences Real in Nursing Journal Abdimas Universal Jurnal Pengabdian Masyarakat Teknik Jurnal Penelitian Rumpun Ilmu Teknik Electronic Journal of Education, Social Economics and Technology Riset Informasi Kesehatan Journal of Engineering Science and Technology Management Uranus: Jurnal Ilmiah Teknik Elektro, Sains dan Informatika PM360 Derajat BioHealth
Romi Mulyadi
Institut Kesehatan Dan Teknologi Al Insyirah
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Public Health Social Sciences Veterinary Other

Published : 25 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 25 Documents
Search

 1   2   3 
DICOM Image Analysis for Lung Cancer Detection Using Convolutional Neural Network (CNN) Insanul Kamil, M. Arib; Mulyadi, Romi
Journal of Engineering Science and Technology Management (JES-TM) Vol. 5 No. 2 (2025): September 2025
Publisher : Journal of Engineering Science and Technology Management

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jestm.v5i2.290

Abstract

Lung cancer remains the leading cause of cancer-related deaths worldwide, with the highest burden in Asia, including Indonesia. Early detection is critical, yet access to radiology services is often limited by infrastructure, cost, and a shortage of trained specialists. Recent advances in artificial intelligence, particularly Convolutional Neural Networks (CNNs), offer promising solutions for automated image-based diagnosis. This study aims to analyze the effectiveness of CNN in detecting lung cancer from CT scan images in DICOM format. A dataset consisting of lung CT images from Kaggle and local hospitals was preprocessed through Gaussian blur filtering, segmentation, and pixel normalization before model training. Images were classified into two categories: cancer and non-cancer. The CNN architecture was trained and validated with an 80:20 split ratio, and model performance was assessed using accuracy, precision, recall, and F1-score. The experimental results show that the proposed CNN model achieved an accuracy of 88.27%, precision of 88.96%, recall of 97.43%, and an F1-score of 92.98%. The high recall value indicates the model’s strong ability to minimize false negatives, which is essential for clinical application. Performance graphs demonstrated stable accuracy and loss across training and validation sets, suggesting minimal overfitting.In conclusion, the developed CNN model demonstrates strong potential as a supportive diagnostic tool for early lung cancer detection, particularly in resource-limited healthcare settings. Its integration into radiology workflows may accelerate screening processes and improve clinical decision-making
Brain Cancer Detection and Localization on MRI Images Using CNN and YOLO Prayitno, Rahmat Subuh; Mulyadi, Romi
Electronic Journal of Education, Social Economics and Technology Vol 6, No 2 (2025)
Publisher : SAINTIS Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33122/ejeset.v6i2.926

Abstract

Brain cancer is one of the diseases with a high mortality rate that requires early detection to increase the effectiveness of treatment. This study proposes a brain cancer detection system based on MRI images by utilizing the Convolutional Neural Network (CNN) algorithm for classification and You Only Look Once (YOLO) for cancer location detection. The MRI dataset was taken from the Kaggle platform and processed through the normalization stage and CNN model training for 20 epochs. The CNN performance evaluation resulted in an accuracy of 94.95%, precision of 93.11%, recall of 89.11%, and F1-score of 91.07%. Furthermore, the YOLO model was used to identify the location of cancer with high visual accuracy. This system was also tested using new images with the results of detecting the location of cancer in an average time of 8.3 seconds for 4 images. The results of the study indicate that the combination of CNN and YOLO can be an effective solution in an automatic, accurate, and fast brain cancer detection system, as well as providing visual support for medical personnel in the diagnosis process. 
SOSIALISASI KESADARAN SISWA/I DALAMPENGELOLAAN SAMPAH ORGANIK DAN NON ORGANIK DI SMA IT FADILLAH romi mulyadi -; Albirruni siregar; Yona Ramadika; Abu Bakar
Jurnal Pengabdian Masyarakat 360 Derajat Vol 2 No 1 (2025): Pengabdian Masyarakat 360 Derajat
Publisher : Institut Kesehatan dan Teknologi Al Insyirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35328/tbq99d04

Abstract

Masalah pengelolaan sampah di lingkungan sekolah merupakan isu penting yang memerlukan perhatian serius, terutama akibat rendahnya pemahaman dan kesadaran siswa dalam membedakan sampah organik dan non-organik. Kegiatan pengabdian masyarakat ini bertujuan untuk meningkatkan kesadaran dan pengetahuan siswa/i SMA IT Fadillah dalam pengelolaan sampah secara bijak dan berkelanjutan. Metode yang digunakan meliputi sosialisasi edukatif, diskusi interaktif, simulasi pemilahan sampah, serta praktik langsung pembuatan komposter sederhana dari ember bekas.Hasil kegiatan menunjukkan adanya peningkatan signifikan pemahaman siswa terhadap jenis-jenis sampah dan teknik pengelolaannya, yang ditunjukkan melalui perbandingan hasil pre-test dan post-test, yakni dari 40% menjadi 85% pemahaman yang benar. Selain itu, observasi selama kegiatan mencatat adanya perubahan perilaku siswa, khususnya dalam hal kesadaran pribadi dan kolektif terhadap kebersihan lingkungan sekolah. Dalam praktik simulasi, siswa mulai terbiasa memilah sampah dengan benar dan menyadari bahwa tanggung jawab menjaga lingkungan tidak hanya berada di tangan petugas kebersihan, melainkan menjadi tanggung jawab bersama.Partisipasi aktif siswa juga tercermin dalam usulan penyediaan tempat sampah terpilah di setiap kelas dan dukungan guru terhadap pembentukan tim peduli lingkungan. Pembuatan komposter mini menjadi salah satu kegiatan favorit siswa karena memberikan pengalaman langsung dalam mengubah sampah organik menjadi pupuk alami, sekaligus memperkenalkan konsep ekonomi sirkular. Secara keseluruhan, pendekatan partisipatif yang diterapkan dalam kegiatan ini terbukti efektif dalam membangun kesadaran lingkungan sekaligus keterampilan praktis di kalangan siswa.
ANALISIS KUALITAS CITRA RADIOGRAFI CR DENGAN SIGNAL TO NOISE RATIO (SNR) DAN CONTRAS TO NOISE RATIO (CNR) MENGGUNAKAN MICRODICOM Rivi Astria; Nani Lasiyah; Romi Mulyadi
Biomedical and Environmental Health Technology Vol 1 No 1 (2024): Biomedical and Environmental Health Technology (BIOHEALTH)
Publisher : Institut Kesehatan dan Teknologi Al Insyirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35328/93ne3e89

Abstract

Citra sinar-X diperoleh dari hasil digitalisasi sebanyak-banyaknya dari proses scanner atau pemindai pasien. Citra sinar-X terkadang memiliki noiseyang dapat mempengaruhi kualitas citra. Deteksi diagnostik dengan radiografi adalah teknik yang paling umum digunakan. Namun, dalam beberapa kasus penyakit yang ada pada tubuh pasien tidak dapat dideteksi karena tertutup oleh kebisingan (noise) atau karena kualitas citra yang buruk. Adapun tujuan dari penelitian ini yaitu menganalisa kualitas hasil citra sinar-X dengan parameter yang berbeda pada radiografi kemudian dianalisa menggunakan Software Microdicom untuk mencari nilai Signal to Noise Ratio (SNR) dan Contras to Noise Ratio (CNR). Penelitian ini menggunakan metode dalam menganalisa citra yaitu menggunakan Signal to Noise Ratio (SNR) dan Contras to Noise Ratio (CNR). Signal to Noise Ratio (SNR) dan Contras to Noise Ratio (CNR) dapat digunakan untuk melihat tingkatan kualitas citra yang rendah karena SNR dan CNR merupakan pengukur tingkat kebisingan atau noise pada citra sinar-X. Pada penelitian ini menggunakan 4 parameter citra radiografi yaitu parameter Thorax, Clavicula, Pelvis, dan Molar. Hasilcitra radiografi Thorax, pelvis, Clavicula dan Molar diperoleh nilai SNR dan CNR yang berbeda-beda. Dari nilai rata-rata SNR dan CNR setiap citra, parameter citra radiografi yang memiliki nilai SNR tertinggi yaitu citra Pelvis dengan nilai SNR 9,25 sedangkan parameter citra radiografi yang memiliki nilai CNR tertinggi yaitu citra Molar dengan nilai CNR -0,71. Berdasarkan dari data yang diperoleh dapat ditarik kesimpulan bahwasannya penggunaan software microdicom tergolong mudah untuk digunakan dalam menganalisa hasil citra radiografi dengan nilai SNR dan CNR.”
Analisis Keselamatan Kelistrikan dan Kinerja Kalibrasi USG OBGYN Willy Maulana Chandra Willymaulanachandra; Romi Mulyadi
Biomedical and Environmental Health Technology Vol 2 No 2 (2025): Biomedical and Environmental Health Technology (BIOHEALTH)
Publisher : Institut Kesehatan dan Teknologi Al Insyirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35328/fhbfmj49

Abstract

Penelitian ini bertujuan untuk mengevaluasi pengaruh sistem grounding atau Protective Earth (PE) terhadap keselamatan kelistrikan dan kinerja alat Ultrasonografi (USG) OBGYN di Rumah Sakit Awal Bros Panam. Metode penelitian yang digunakan adalah kuantitatif deskriptif. Pengujian keselamatan kelistrikan dilakukan menggunakan Electrical Safety Analyzer (ESA612), sedangkan pengujian kinerja dilakukan menggunakan USG phantom untuk parameter pengukuran jarak. Data primer diperoleh melalui observasi langsung dan pengukuran resistansi PE. Hasil penelitian menunjukkan bahwa nilai resistansi PE pada alat USG GE tipe LOQIC C5 berada di bawah ambang batas standar (≤0,2 ohm), dengan nilai berturut-turut sebesar 0,095; 0,141; 0,087; 0,119; dan 0,147 ohm selama periode 2020–2024. Pengujian kinerja menunjukkan hasil pengukuran jarak yang stabil dan konsisten sebesar 1,00 cm untuk parameter vertikal dan horizontal. Hasil ini menunjukkan bahwa sistem grounding dan kinerja kalibrasi alat USG OBGYN memenuhi standar keselamatan dan akurasi yang dipersyaratkan, sehingga aman dan layak digunakan dalam praktik medis, khususnya pelayanan kesehatan ibu hamil.
Co-Authors Abu Bakar Abu Bakar Adri Yanto Albirruni Siregar Albirruni Siregar Albirruni Sirregar Angelin, Nadia Apriliani Fajar Kurniawan Firmansyah, Vicky Fitra Mayenti Insanul Kamil, M. Arib Lasiyah, Nani M. Rio Oktaviano Muddasir Muddasir Muhamad Yusuf Muhammad Ikhwanul Ikhsan Mustika, Aai Nabila Noria Putri Nadia Angelin Nani Lasiyah Nani Lasiyah Nofri Anto Nur Hadziqoh Nursaka Putra Okta Nola Yolanda iriani Prayitno, Rahmat Subuh Putra, Nusaka Rahmadani, Qadri Ramadhan, Farhan Rifa Yanti Rino Ferdian Surakusumah Riski Novera Yenita Rivi Astria Rizki Eka Putra Sandra Febriani Syahputra, Ramdhani Vicky Firmansyah Willy Maulana Chandra Willymaulanachandra Yeni Pertiwi Yogi Pratama Yona Ramadhika Yona Ramadika Yona Ramadika Zaini, Zaini