Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal UG Journal JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH)
Suharni Suharni
Universitas Gunadarma
Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Health Professions

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
IMPLEMENTASI MODEL CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK KLASIFIKASI PENYAKIT TBC BERBASIS DEKSTOP Suharni Suharni; Eel Susilowati; Taufiq Muldan Hidayat
UG Journal Vol 16, No 4 (2022)
Publisher : Universitas Gunadarma

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

Abstract

Penyakit Tuberkulosis (TBC) merupakan salah satu penyakit yang masih menjadi masalah utama di negara berkembang seperti Indonesia. Tuberkulosis (TBC) adalah penyakit yang disebabkan oleh bakteri Mycobacterium Tuberculosis. Tuberkulosis menyerang paru-paru dan dapat mengifneksi orang lain. Penyakit ini bersifat menular.Radiologi termasuk salah satu pemeriksaan diagnosis yang dapat dilakukan pada penyakit TB-paru. Dengan menganalisa citra x-ray hasil rontgen pada dada tubuh seseorang, maka para dokter dapat melakukan proses diagnosa penyakit TBC. Permasalahan yang terjadi adalah diagnosa penyakit TBC masih dilakukan secara manual oleh dokter. Tujuan penelitian ini adalah mengimplementasikan model Convolutional Neural Network (CNN) untuk klasifikasi penyakit TBC berbasis dektop. Untuk mengoptimalkan model tersebut menggunakan optimizer Stochastic Gradient Descent (SGD). Model CNN optimal yang diimplementasikan bisa membantu dokter dalam proses identifikasi hasil rontgen menggunakan proses komputerisasi. Hasil identifikasi ini dapat mengklasifikasi apakah seseorang mempunyai penyakit tbc atau tidak. Dataset didapat dari website kaggle.com berjumlah 240 data yang terdiri dari 160 data latih dan atau 80 data uji. Citra yang digunakan berukuran 128x128 piksel. Pelatihan model menggunakan 50 epochs dan learning rate 0.01. Hasil pelatihan tersebut mendapatkan nilai akurasi sebesar 98.75%. Implementasi model CNN pada uji coba aplikasi menggunakan 15 citra x-ray yang terdiri dari 8 citra x-ray normal dan 7 citra x-ray TBC menunjukan bahwa semua prediksi berdasarkan sistem dan aktual hasilnya sesuai.
Penerapan Augmented Reality dengan Markerless Pada Aplikasi Pengenalan Jenis Hewan Herbivora, Karnivora, dan Omnivora Suharni Suharni; Eel Susilowati; Masimbangan S Harlina; Muhammad Hanif
Journal of Information System Research (JOSH) Vol 4 No 2 (2023): January 2023
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josh.v4i2.2748

Abstract

An introduction to the types of herbivores, carnivores, and omnivores needs to be given to children aged 4 to 6 years, and elementary school students. Submission of material using books is not enough to stimulate the mind, feelings and attention, hence the children feel bored. Several studies that have implemented still have limitations, such as there are no animation features, sound and screenshot share. The purpose of the application of Augmented Reality (AR) with the markerless method in the application of the introduction of herbivores, carnivores, and omnivores is to be able to display the object in three dimensions accompanied by animation features, sound and share information about the animal to social media. This goal is expected to increase children's desire to know more about various types of animals, and applications made can be fun learning media. The method used in this research is waterfall, and the application software is Unity. Application testing is using the blackbox technique to test the functions of the buttons and features displayed in the application. The results of the application trials show that all the button functions that are tried to be pressed will display the scene as expected and the results are 100% valid. From the results of the application trials, it shows that the application has been successfully created in accordance with the desired goal, which can be used as a learning medium for children.
Co-Authors Eel Susilowati Masimbangan S Harlina Muhammad Hanif Taufiq Muldan Hidayat