Article Per Year (5 Year)
p-Index From 2020 - 2025
4.04
P-Index
This Author published in this journals
All Journal Teknosains : Jurnal Sains,Teknologi dan Informatika JENIUS: Jurnal Terapan Teknik Industri Journal of Information Technology (JIfoTech) Jurnal Pengabdian Masyarakat Bestari (JPMB) Jutech: Jurnal Teknologi Informasi Jurnal Informatika Sejahtera: Jurnal Inspirasi Mengabdi Untuk Negeri Room of Civil Society Development Jurnal Pengabdian kepada Masyarakat Innovative: Journal Of Social Science Research MULTIPLE: Journal of Global and Multidisciplinary Faedah: Jurnal Hasil Kegiatan Pengabdian Masyarakat Indonesia Jurnal Komputer dan Teknologi (JUKOMTEK) Journal of World Future Medicine, Health and Nursing Khidmah: Jurnal Pengabdian Masyarakat STIT Tanggamus Technologia Journal Jurnal Ilmiah Multidisiplin Ilmu Jurnal Padamu Negeri Jurnal Ekonomi Bisnis dan Kewirausahaan Switch: Jurnal Sains dan Teknologi Informasi Room of Civil Social Development
Mohamad Firdaus
Fakultas Teknik, Universitas Indraprasta PGRI
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mechanical Engineering Medicine & Pharmacology Nursing Public Health Social Sciences Transportation Veterinary Other

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

Found 1 Documents
Search
Journal : Jurnal Komputer dan Teknologi (JUKOMTEK)

 1 
Arsitektur CNN InceptionResNet-V2 Untuk Pengelompokan Pneumonia Chest X-Ray Bakti, Indra; Firdaus, Mohamad
Jurnal Komputer dan Teknologi Vol 2 No 1 (2023): JUKOMTEK JANUARI 2023
Publisher : Yayasan Pendidikan Cahaya Budaya Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58290/jukomtek.v1i2.66

Abstract

Dalam abad terakhir ini, khususnya metode Convolution Neural Network (CNN) pada penggunaan machine learning yang merupakan teknologi intelegensi artifisial atau Artificial Intelligence (AI) telah dapat dan sangat mampu membantu dunia medis (kedokteran). Melalui penelitian tindakan pada dataset gambar, CNN berhasil dan mampu menunjukkan klasifikasi atau pengelompokan berdasarkan karakteristik dan properti yang sama pada gambar yang tidak berlabel dengan akurasi lebih tinggi dan lebih cepat daripada metode pembelajaran mesin lainnya. Hal ini sangat berguna bagi dunia Kesehatan, khususnya dalam penggunaan chest-x-ray (rontgen dada) pada dunia kedokteran. Studi ini bertujuan untuk mengoptimalkan arsitektur CNN InceptionResNet-V2, untuk mengklasifikasikan penyakit Covid-19, dengan melatih 4000 dataset citra x-ray dada. Hasil uji akurasi dari InceptionResNet-V2 menghasilkan 98%, dengan presisi tiap kelas arsitektur CNN InceptionRestNet-V2 adalah Covid (99%), Lung_Opacity (97%), Normal (98%), Viral_Pneumonia (98%). Arsitektur CNN InceptionRestNet dapat membantu hasil chest-x-ray dengan cepat dan akurat.
Co-Authors Aditya Herliawan Affandy Agusman Aris Aldiansyah Aldiansyah Aldiansyah Aldiansyah, Aldiansyah Dito Anurogo, Dito Fatoni Fatoni Fatoni Fatoni, Fatoni Hartini Hartini Herliawan, Aditya Hermansyah Hermansyah Imam Himawan, Imam Himawan Indra Bakti Judijanto, Loso Mirza A Malik Mohamad Firdaus Muhaemin Muhaemin Muhammad Hendra Murthada Murthada Puspita, Kori Satma Rachendu Zainudin