Article Per Year (5 Year)
p-Index From 2021 - 2026
1.978
P-Index
This Author published in this journals
All Journal snimed Jurnal Ilmiah Farmasi Media Penelitian dan Pengembangan Kesehatan Journal of Educational, Health and Community Psychology Disease Prevention and Public Health Journal Mutiara Medika: Jurnal Kedokteran dan Kesehatan Berkala Kedokteran Sari Pediatri Universa Medicina Jurnal Ilmu Kefarmasian Indonesia Jurnal Abdimas PHB : Jurnal Pengabdian Masyarakat Progresif Humanis Brainstorming Refleksi Pembelajaran Inovatif Jurnal Aisyah : Jurnal Ilmu Kesehatan Automata JK Unila (Jurnal Kedokteran Universitas Lampung) JKKI : Jurnal Kedokteran dan Kesehatan Indonesia Media Penelitian dan Pengembangan Kesehatan Berkala Ilmiah Kedokteran dan Kesehatan Masyarakat
Ika Fidianingsih
Departemen Histologi, Fakultas Kedokteran, Universitas Islam Indonesia, Yogyakarta
Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Computer Science & IT Decision Sciences, Operations Research & Management Dentistry Education Environmental Science Health Professions Immunology & microbiology Languange, Linguistic, Communication & Media Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Public Health Social Sciences Veterinary

Published : 29 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Automata

 1 
Analisis Fitur untuk Grading Abnormal Sel Mitosis Pada Kasus Kanker Payudara Raisha Amini; Izzati Muhimmah; Ika Fidianingsih
AUTOMATA Vol. 2 No. 1 (2021)
Publisher : AUTOMATA

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

Abstract

Grading tumor  memiliki peran penting dalam memprediksi agresivitas penyakit dan hasil pasien. Dalam menentukan grading tumor adalah jumlah mitosis, yaitu menghitung jumlah sel pada proses pembelahan mitosis di titik tertentu. Saat ini perhitungan mitosis dilakukan secara manual oleh ahli patologi yang melihat berbagai medan daya tinggi pada kaca objek dibawah mikroskop, sangat melelahkan dan membutuhkan proses waktu yang lama. Pengembangan sistem komputerisasi untuk deteksi otomatis inti mitosis pada saat ini sangat dibutuhkan karena banyaknya variasi bentuk dan tampilan mitosis yang cukup membingungkan dan merupakan salah satu tahapan untuk bisa menentukan grading tumor. Sudah banyak metode yang digunakan dalam pengolahan citra digital. Penelitian ini memiliki proses langkah untuk memenuhi tujuan tersebut. Berikut langkah-langkah nya terdapat proses  preprocessing, segmentasi dengan menggunakan metode K-Means , ekstrasi ciri menggunakan metode GLCM (Gray Level Cooccurnce Matrix). Berdasarkan metode tersebut, maka dibuat program aplikasi yang dapat melakukan klasifikasi potongan citra mikroskopis dalam kategori berpotensi kanker dengan indikasi massa tumor sesuai dengan 3 tingkat keganasan yaitu rendah (grade 1), menengah (grade 2), dan tinggi (grade 3). Hasil dari metode yang diusulkan menunjukkan bahwa pada segmentasi telah berhasil sebagian mengelompokkan citra sesuai dengan yang diinginkan untuk mengidentifikasi sel mitosis. Uuntuk eksrtraksi ciri menggunakan metode GLCM diperoleh dengan menggunakan indikator nilai Contrast, Correlation, Energy dan Homogeneity untuk mengetahui ciri khusus setiap citra. Hasil penelitian menunjukkan bahwa ekstraksi ciri dengan 4 fitur memiliki nilai ketepatan sebesar 65%.
Analisis Fitur untuk Sel Abnormal Pleomorfik pada Kanker Payudara Adeniar Yusnina; Izzati Muhimmah; Ika Fidianingsih
AUTOMATA Vol. 2 No. 2 (2021)
Publisher : AUTOMATA

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

Abstract

Tingkat keganasan kanker payudara dapat dinilai berdasarkan pada masalah abnormal dari pembentukan pleomorfik yang tidak beraturan. Penilaian dilakukan oleh ahli patologi dan mengacu pada gambar histopatologi sel payudara dari citra mikroskopis. Namun penilaian tersebut bersifat subjektif dan cenderung tidak tepat karena banyaknya karakteristik yang beragam. Ahli patologi di rumah sakit biasanya harus mengevaluasi lebih dari seratus kasus per hari, yang mana banyak memerlukan waktu yang cukup lama. Oleh karena itu, penting untuk mengembangkan suatu sistem untuk mempermudah hal tersebut dengan bantuan sistem komputerisasi, yaitu pengolahan citra digital. Penelitian ini terdiri dari tiga langkah utama: preprocessing, segmentasi, ekstraksi ciri. Pada proses segmentasi dengan cara mengelompokkan objek menurut kesamaan bentuk dari sel pleomorfik. Selanjutnya ekstraksi ciri menggunakan metode GLCM (Gray level Cooccurence Matrix), yaitu dengan melihat tingkat keabuan masing-masing citra yang dilihat dari 4 fiturnya: contrast, energy, entrophy, dan homogenitas. Fitur-fitur tersebut kemudian diklasifikasi dengan menggunakan metode SVM (Support Vector Machine). Ekstraksi ciri dalam 4 fitur menunjukkan hasil ketepatan sebesar 85%.
Co-Authors Absari, Nurmala Widya Adeniar Yusnina Adika Zhulhi Arjana Afiqoh, Ainun Nur Alissa Anna Safira Arif Reynaldi Alifiansyah Azzahra, Fathimah Camelia Herdini Cleopatra, Neysa Nurprahutri Dadik Subiyanto Dewajani Purnomosari Dodi Faras Ilmiawan Sutomo Dwi Nur Ahsani Dwi Nur Ahsani Eddy Supriyadi Ety Sari Handayani Evy Sulistyoningrum Fairuz, Ratna Amalia Fles, Renske Fuad Khadafianto Indrasari, SR Ismaiyah Ismaiyah Izzati Muhimmah Kharisma, Muhammad Khoiriyah, Umatul Kusumawardani, Endah Mohamad Rizki Adi Prasetyo Najmuddin, Abdulhalim Ahmad Narantika, Shindy Galuh Naufal Abdurrahman Nazarudin, Zohan Ninda Devita, Ninda Nurmasitoh, Titis Qoit Muhammad Abdul Ghalib Raisha Amini Rosmawati, Ima Dewi Rosmelia Rosmelia Tan, I. Bing Threeyana Ariyati Kadi Utami, Shindy Yudha Wijaya, Diani Puspa Yudha Prasetyo Utomo Zainuri Sabta Nugraha