Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : snimed

Kajian Klasifikasi Data Mining IQ Siswa SMA Berdasarkan Hasil Intelligence Structure Test Dengan Menggunakan Metode Naive Bayes Suryani, Des; Labellapansa, Ause; Shiddiqie, Muhammad Luthfan; Hidayat, Ahmad
Seminar Nasional Informatika Medis (SNIMed) 2019
Publisher : Magister Teknik Informatika, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

SMA Negeri 1 Padang menyelenggarakan tes psikologi dengan menggunakan Intelligence Structure Test (IST) sebagai alat tes psikologi untuk menentukan klasifikasi IQ siswa. Klasifikasi IQ siswa ini dilayani oleh seorang psikolog. Hasil klasifikasi IQ siswa ini belum dilakukan evaluasi untuk mendapatkan pengetahuan dari kumpulan data tersebut. Untuk itu perlu dilakukan penelitian dalam melihat peluang di masa yang akan datang untuk membantu psikolog melakukan klasifikasi IQ siswa. Dalam hal ini menerapkan konsep data mining dengan metode Naive Bayes dan menggunakan skala David Weschler sebagai instrumen penelitian. Berdasarkan pengujian 100 data uji pada 232 dan 332 data uji, penelitian ini mampu mengklasifikasikan IQ peserta dengan tingkat akurasi yang lebih dari 90%. Dengan adanya sistem ini maka klasifikasi IQ dapat dilakukan lebih cepat dan akurat.
PERANCANGAN DATA WAREHOUSE UNTUK MENINGKATKAN MUTU PELAYANAN RUMAH SAKIT BERDASARKAN STANDAR MUTU NASIONAL Labellapansa, Ause; Yulianti, Ana; -, Hendrik
Seminar Nasional Informatika Medis (SNIMed) 2012
Publisher : Magister Teknik Informatika, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Rumah sakit adalah sebuah institusi perawatan kesehatan profesional yang pelayanannya disediakan oleh dokter, perawat, dan tenaga ahli kesehatan lainnya. Rumah sakit memiliki banyak sekali data dimana dengan adanya data yang banyak yang belum terkelola dengan baik akan mengakibatkan para pimpinan rumah sakit mengalami keterbatasan dalam mengambil keputusan dengan cepat dan akhirnya memiliki kesulitan dalam melihat kinerja dan mutu pelayanan rumah sakit yang dipimpinnya. Dengan dibuatnya perancangan data warehouse pada rumah sakit ini maka pimpinan rumah sakit dapat menjaga dan memantau kinerja mutu pelayanan dengan lebih baik sesuai dengan standar mutu nasional yang terdiri dari Bed Occupancy Rate (BOR), Average Length of Stay (ALOS), Turn Over Internal (TOI), Bed Turn Over (BTO), NetDeath Rate (NDR), Gross Death Rate (GDR), Anasthesia Death Rate (ADR), Post Operasi Death Rate (PODR), Post Interactive Death Rate (PIDR), Normal Tissue Removal Rate (NTRR), Maternal Death Rate (MDR), Neonatal Death Rate (NeoDR), dan angka infeksi nosokomial.
Klasifikasi Citra Daun Kelapa Sawit Yang Terkena Dampak Hama Menggunakan Metode K-Nearest Neighbor Yuliani, Agus; Labellapansa, Ause; Yulianti, Ana
Seminar Nasional Informatika Medis (SNIMed) 2019
Publisher : Magister Teknik Informatika, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Indonesia merupakan penghasil minyak kelapa sawit terbesar di dunia. Tumbuhan kelapa sawit dapat tumbuh dengan baik di daerah tropis dan membutuhkan iklim dengan curah hujan stabil. Pola curah hujan tahunan dapat mempengaruhi pembungaan dan hasil produksi buah sawit, selain pola curah hujan. Faktor lain yang dapat mempengaruhi hasil produksi sawit adalah hama perusak, terutama hama Limacodidae dan Psychidae. Keterlambatan penanganan dampak hama dapat menyebabkan kerugian untuk para petani kelapa sawit. Dalam melakukan proses deteksi digunakan langkah-langkah yang terdiri dari preprocessing, segmentasi, ekstraksi fitur zoning, dan kalsifikasi dengan metode K-Nearest Neighbor sebagai cara untuk melakukan klasifikasi jenis hama. Proses preprocessing terdiri dari akuisisi citra, resize dan citra grayscale, berikutnya dilakukan proses segmentasi threshold. Kemudian melakukan ekstraksi fitur zoning terhadap citra daun dengan membagi citra menjadi 4 bagian. Selanjutnya dilakukan klasifikasi jenis hama yang menyerang daun kelapa sawit. Hasilnya adalah dengan melakukan pengujian terhadap teknik zoning untuk mengetahui jenis hama. Nilai akurasi untuk pendeteksian hama limacodidae adalah 55% dan nilai pendeteksian hama psychidae adalah 72.5%. Hal tersebut menunjukkan bahwa sistem memiliki kemampuan yang cukup dalam melakukan proses pendeteksi jenis hama. Maka sesuai dengan hasil yang didapat, untuk meningkatkan kemampuan sistem dapat dilakukan perbaikan pada proses preprocessing citra.
Klasifikasi Citra Imunohistokimia Sel Kanker Payudara HER2 Skore 1+ dan 3+ Labellapansa, Ause; Muhimmah, Izzati; -, Indrayanti
Seminar Nasional Informatika Medis (SNIMed) SNIMed IV (2013)
Publisher : Magister Teknik Informatika, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penyakit kanker payudara merupakan penyakit berbahaya yang terjadi akibat pertumbuhan sel-sel yang tidak terkontrol yang dapat menyebar ke bagian lain di tubuh6. Salah satu metode pemeriksaan terhadap sel kanker payudara adalah menggunakan Immunohistochemistry atau IHC. Pemeriksaan IHC pada sel kanker payudara yang terdiri dari skore 0, 1+, 2+ dan 3+ digunakan untuk mengetahui keberadaan dan status protein HER2 yang bertanggung jawab untuk mengatur proses pertumbuhan dan pembelahan sel. Berdasarkan hasil skore pemeriksaan IHC HER2 dapat diketahui prognosis kanker serta terapi yang tepat seperti pemberian targeted therapy dengan menggunakan Herceptin (trastuzumab) maupun terapi kombinasi lainnya. Pengolahan citra digital yang dilakukan merupakan studi awal yang digunakan untuk mengenal karaktersitik citra IHC HER2 1+ dan 3+. Hal ini dilakukan mengingat skore 0 merupakan sel negatif HER2 yang tidak memberikan perbedaan intensitas pewarnaan terhadap sel dan skore 2+ yang memiliki hasil equivocal yang berarti belum bisa ditentukan apakah perlu diberi targeted therapy atau tidak sehingga diperlukan pemeriksaan lain menggunakan CISH (Chromogenic In Situ Hybridization) atau FISH (Flourescence In Situ Hybridization). Pengolahan citra dilakukan dengan menggunakan median filtering, mengenakan operasi Brown7 dan melakukan segmentasi thresholding untuk memperoleh karakteristik citra sehingga dapat dilakukan klasifikasi skore IHC HER2 1+ dan 3+.