Article Per Year (5 Year)
p-Index From 2021 - 2026
1.288
P-Index
This Author published in this journals
All Journal Jurnal Teknik Komputer AMIK BSI Jurnal Khatulistiwa Informatika JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Informatics for Educators and Professional : Journal of Informatics Scientific Journal of Informatics Jurnal Infortech Jurnal Sistem Informasi dan Sistem Komputer Jurnal Sistem Informasi Indonesian Journal of Networking and Security - IJNS Nuansa Informatika Jurnal Infortech
Sucitra Sahara
Universitas Bina Sarana Informatika
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Library & Information Science Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Infortech

 1 
Inovasi Artificial Intelligence dalam Mengidentifikasi Pneumonia Anak untuk Meningkatkan Efisiensi Diagnostik Menggunakan Model CNN Kresna Ramanda; Monikka Nur Winnarto; Sucitra Sahara
Jurnal Infortech Vol. 7 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v7i2.11383

Abstract

Pneumonia adalah salah satu jenis infeksi yang paling sering ditemui dan berisiko tinggi di seluruh dunia, yang mengakibatkan angka penyakit dan kematian yang tinggi, khususnya di kalangan populasi yang rentan seperti anak-anak. Dengan demikian, penelitian ini bertujuan untuk menciptakan sistem pintar yang mampu mengidentifikasi pneumonia secara otomatis melalui gambar thorax dengan memanfaatkan arsitektur Convolutional Neural Networks (CNN). Dalam penelitian ini, beberapa arsitektur CNN, yaitu MobileNet V2, ResNet, dan EfficientNet diuji untuk mencari model terbaik, dengan mempertimbangkan risiko overfitting dan penggunaan optimizer yang tepat. Metode yang digunakan mencakup pengumpulan data, preprocessing, pembagian dataset menjadi data train, test dan validasi, serta penerapan teknik transfer learning. Evaluasi dilakukan berdasarkan parameter kinerja seperti akurasi, sensitivitas dan presisi untuk menilai performa model. Hasil penelitian menunjukkan bahwa arsitektur MobileNet V2 memberikan kinerja terbaik dengan akurasi mencapai 93%. Model ini kemudian diimplementasikan dalam sistem cerdas yang dapat mempercepat dan mempermudah proses diagnosis pneumonia sehingga memberikan manfaat signifikan bagi sektor kesehatan dan masyarakat luas. Penelitian ini juga menekankan pentingnya teknik optimasi yang tepat dalam memastikan model dapat bekerja secara optimal di aplikasi dunia nyata.
Co-Authors Artika Surniandari Cucu Ika Agustyaningrum Erma Delima Sikumbang Hadi Sukmana, Sulaeman Hariyanto Haryani Kresna Ramanda Marlina Marlina Monikka Nur Winnarto Ratna Kurnia Sari Rizqi Agung Permana Rizqi Agung Permana Rizqi Agung Permana Rizqi Agung Permana Rizqi Agung Permana Rizqi Agung Permana - STMIK Antar Bangsa Rizqi Agung Permana - STMIK Antar Bangsa Syifa Fauziah Yulian Surya Saputra