Claim Missing Document
Check
Articles

Rancang Bangun Aplikasi Deteksi Dini Kanker Ovarium Berbasis Android Dengan Expert System Muhammad Zuhairi; Hilman Fauzi; Favian Dewanta
eProceedings of Engineering Vol 9, No 6 (2022): Desember 2022
Publisher : eProceedings of Engineering

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

Abstract

Abstrak-Kanker ovarium adalah tumor yang timbul pada rahim dan dapat berakibat fatal apabila tidak ditangani sedini mungkin. Kanker ovarium sulit terdeteksi pada stadium awal karena tidak menimbulkan gejala spesifik dan umumnya baru terdeteksi pada stadium lanjut. Pada stadium lanjut kanker tersebut akan lebih sulit untuk ditangani dan biaya pengobatannya pun menjadi lebih mahal. Oleh karena itu dibuatlah penelitian dengan membuat aplikasi android untuk mendeteksi kanker ovarium sedini mungkin dengan metode sistem pakar. Diperoleh data kuesioner pasien kanker dari Rumah Sakit Hasan Sadikin Bandung yang akan menjadi acuan dalam pembuatan aplikasi. Penulis membandingkan keakuratan prediksi data menggunakan algoritma K-Nearest Neighbor, Support Vector Machine, dan Random Forest. Lalu dilanjutkan dengan pembuatan aplikasi serta dilakukan analisis Quality of Services menggunakan Apache JMeter. Hasil pengujian menunjukkan bahwa algoritma KNearest Neighbor menggunakan nilai K=7 mendapatkan nilai akurasi sebesar 92.3%. Maka dari itu, dipilihlah algoritma KNearest Neighbor untuk diimplementasikan ke dalam aplikasi deteksi kanker ovarium. Dengan memasukkan algoritma KNearest Neighbor ke dalam aplikasi, didapatkan hasil akurasi pada aplikasi sebesar 80,23%. Lalu analisis Quality of Service menghasilkan troughput terbaik sebesar 2.89 kbps, dan latency terbaik sebesar 13s, masing-masing dengan beban 100 user dan mampu menangani permintaan dari 100 dan 150 user tanpa error. Kata Kunci- Android, K-Nearest Neighbor, Kanker Ovarium, Random Forest, Sistem Pakar, Support Vector Machine.
Perancangan Aplikasi Grafologi Berbasis Smartphone Android Untuk Identifikasi Kecenderungan Optimisme & Pesimisme Individu (the Design Of Graphology Applications Based Smartphone Android To Identify Individual Optimism And Pessimism Tendencies) Oktiandi Nugroho Wasktio; Hilman Fauzi
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

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

Abstract

Grafologi merupakan salah satu cabang ilmu psikologi yang sering digunakan ahli grafolog untuk menganalisis kepribadian seseorang melalui tulisan tangan sehingga dapat mengetahui kencenderungan emosional atau kepribadian seseorang. Kepribadian merupakan hal dasar yang melekat pada tiap individu yang tidak bisa dinilai dari penampilannya. Pada penelitian ini penulis akan merancang aplikasi berbasis android untuk mengidentifikasi kecenderungan emosional atau kepribadian seseorang melalui tulisan tangan. Pengujian ini dilakukan untuk mengetahui beberapa kepribadian trait, seperti emosi optimis & pesimis, karakter interaksi sosial yang cenderung menjaga jarak & tidak menjaga jarak, dan self-confident & inferiority. Hasil pengujian sistem aplikasi pada Tugas Akhir ini mampu mengidentifikasi kecenderungan emosional individu. Sistem aplikasi yang dirancang mampu mengidentifikasi tiga kepribadia trait dengan cukup baik. Dari 35 sampel data citra tulisan tangan terdapat 29 sampel data citra yang berhasil mencapai kesamaan dengan tiga kepribadian trait yang diuji dan mendapat hasil akurasi sebesar 82.85%. Kata Kunci: Grafologi, Android, Kepribadian Trait, Garis Dasar Tulisan, Jarak Spasi Antar Kata, Ketinggian Baris dalam Menentukan Ketinggian Huruf “i”.
Analisa Jenis Kelamin Berdasarkan Citra Wajah Menggunakan Metode Gray Level Co-occurrence Matrix (glcm) Dan Klasifikasi Naive Bayes Andi Zahra Bunga Zana; Jangkung Raharjo; Hilman Fauzi TSP
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

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

Abstract

Pada penelitian tugas akhir ini dilakukan perancangan sistem untuk dapat mengklasifikasikan jenis kelamin berdasarkan citra wajah pada manusia. Dengan melakukan ekstraksi ciri menggunakan metode Gray Level Co-Occurrence Matrix (GLCM) dan proses klasifikasi menggunakan metode Naive Bayes yang bertujuan untuk dapat membedakan jenis kelamin laki-laki dan wanita pada manusia. Citra wajah tersebut dikelompokkan berdasarkan kelas laki-laki dan wanita. Tujuan dari penelitian tugas akhir ini untuk mengetahui jenis kelamin pada manusia dan manfaat dari perancangan sistem ini salah satunya dapat digunakan dalam bidang kesehatan untuk mendeteksi perbedaan jenis kelamin laki-laki atau wanita dan sebagai salah satu teknologi awal untuk aplikasi kesehatan cerdas lanjutan dalam pengukuran Body Mass Index (BMI). H
Ekstraksi Detak Jantung Berbasis Pengolahan Citra Wajah Dengan Algoritma Bss (blind Separation Signal) (heart Rate Extraction Based On Processing Of Facial Images Using Bss (blind Separation Signal) Algorithm) Utari Nur Ramadhani Yora; Hilman Fauzi; Syamsul Rizal
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

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

Abstract

Detak Jantung merupakan suara debaran jantung yang dihasilkan akibat aliran darah melewati jantung. Jantung merupakan organ vital sehingga metode untuk mendeteksinya beraneka ragam, mulai dari metode konvensional hingga modern. Semakin berkembangnya teknologi membuat sistem pendeteksi detak jantung kini semakin maju. Pada penelitian Tugas Akhir ini, akan dilakukan pengembangan lebih lanjut mengenai ekstraksi detak jantung manusia menggunakan citra wajah. Metode yang digunakan adalah Blind Separation Signal (BSS) dengan metode deteksi wajah yang digunakan adalah You Only Look Once (YOLO) generasi ketiga atau YOLOv3 dengan mengamati ROI dari variasi warna kulit wajah seseorang yang disebabkan oleh sirkulasi darah. Hasil akhirnya berupa detak jantung manusia berbasis aplikasi python yang memudahkan kita untuk mengukur detak jantung. Akurasi yang didapatkan untuk model deteksi objek YOLOv3 adalah sebesar 95%. Pengujian terbaik dilakukan pada posisi wajah lurus dengan jarak 40 cm dan dilakukan pada malam hari menggunakan pencahayaan lampu LED 14.5watt dan didapatkan akurasi tertinggi adalah 97,7%. Kata Kunci: Jantung, Detak Jantung, Pengolahan Citra Digital Wajah, Blind Separation Signal (BSS), You Only Look Once (YOLO), Region of Interest (ROI).
Klasifikasi Citra Kanker Serviks Menggunakan Deep Residual Network Revydo Bima Anshori; Hilman Fauzi; Thomhert Suprapto Siadari
eProceedings of Engineering Vol 9, No 6 (2022): Desember 2022
Publisher : eProceedings of Engineering

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

Abstract

Abstrak—Penyakit kanker serviks menempati posisi ke dua dengan angka kematian tinggi kaum wanita setiap tahunnya menurut WHO. Penyebab penyakit ini karena adanya Human Papilloma Virus (HPV) yang menyerang langsung ke serviks, selain itu juga pola hidup yang kurang sehat dapat mempengaruhi terserangnya penyakit ini. Deteksi dini kanker serviks dapat dilakukan dengan menggunakan pemeriksaan Inspeksi Visual Asam Asetat (IVA). Hasil dari pemeriksaan IVA dapat dilihat kasat mata tetapi ahli medis memiliki perbedaan diagnosis dikarenakan penglihatan sendiri.Untuk membantu ahli medis mendapatkan diagnosis yang sesuai maka pemeriksaan dapat dilakukan dengan pendekatan teknologi. Teknologi yang akan digunakan adalah citra digital. Pengambilan gambar hasil pemeriksaan IVA format .jpg. Penelitian ini dilakukan klasifikasi citra kanker serviks dari hasil pemeriksaan IVA yang telah dilakukan oleh Rumah Sakit Hasan Sadikin Bandung. Untuk pengolahan citra pemeriksaan IVA akan menggunakan citra hasil CLAHE dan citra hasil Canny Edge Detection. Untuk pengklasifikasian akan menggunakan deep learning dengan arsitektur ResNet-50 dan ResNet-101 serta melakukan pengujian terhadap hyperparameter yaitu optimizer, learning rate, batch size, dan input size. Pada penelitian ini hasil terbaik mengunakan citra hasil Canny Edge Detection dengan hyperparameter menggunakan optimizer SGD, learning rate 0.1, batch size 32, dan input size 224×224. Dari hyperparameter tersebut hasil akursi yang dicapai sebesai 98,26 %. Kata kunci— Canny Edge Detection, CLAHE, Kanker Serviks, Pengolahan Citra Digital, Pemeriksaan IVA, ResNet.
PELATIHAN PENGENALAN TEKNOLOGI VIRTUAL REALITY UNTUK GURU SLB-B Yulinda Eliskar; Rustam Rustam; Hilman Fauzi TSP
Prosiding COSECANT : Community Service and Engagement Seminar Vol 2, No 2 (2022)
Publisher : Universitas telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (208.66 KB) | DOI: 10.25124/cosecant.v2i2.18609

Abstract

Pentingnya media pembelajaran dalam menunjang keberhasilan proses belajar mengajar seringkali terabaikan. Berbagai alasan yang menjadi penyebab diantaranya adalah sulitnya mendapatkan media pembelajaran atau tidak dipahaminya teknologi yang akan digunakan. Di sisi lain, banyak alternatif yang dapat digunakan oleh para pendidik untuk menyampaikan materi pembelajaran. Salah satunya adalah dengan memanfaatkan teknologi virtual reality. Teknologi ini dapat digunakan untuk anak-anak berkebutuhan khusus terutama bagi tipe B (tuna rungu). Siswa akan merasa melihat seperti di dunia nyata. Pelaksanaan pengabdian pasyaraka ini dalam bentuk metode penyuluhan, pelatihan, praktek, pendampingan dan evaluasi. Melalui kegiatan pengabdian masyarakat ini, diharapkan dapat memudahkan guru-guru SLB dalam menyampaikan ilmunya. Pelatihan ini diberikan kepada guru-guru SLB-B (tuna rungu) yang berjumlah 16 orang. Tujuannya adalah agar para guru bisa menggunakan alat berupa virtual reality box (VR Box) sebagai media teknologi virtual reality. Mereka mempraktekkan langsung dan juga melakukan simulasi bagaimana teknologi ini bisa diterapkan dengan membuat tampilan model tiga dimensi.Kata Kunci: Virtual reality; VR Box, tuna rungu
Classification of Normal and Abnormal Heart Sounds Using Empirical Mode Decomposition and First Order Statistic Hilman Fauzi; Achmad Rizal; Mazaya 'Aqila; Alvin Oktarianto; Ziani Said
Journal of Electronics, Electromedical Engineering, and Medical Informatics Vol 5 No 2 (2023): April
Publisher : Department of Electromedical Engineering, POLTEKKES KEMENKES SURABAYA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35882/jeeemi.v5i2.287

Abstract

Analysis of heart sound signals for automatic segmentation and classification has revealed in recent decades that it has the potential to detect pathology accurately in clinical applications. Various audio signal processing techniques have been used to reduce the subjectivity of heart sound analysis. This study aims to classify normal and abnormal heart sound signals. The feature extraction process was optimized by EMD and calculated using five first-order statistical parameters: mean, variance, kurtosis, skewness, and entropy. The classification system is optimized with a mutual information algorithm to select traits that can significantly improve system performance. In addition, the selection of the optimal system configuration also includes the k-fold cross-validation and kNN methods with k values ​​and the proper distance type. Based on the test results, the highest accuracy of 98.2% was obtained when the value of k = 1 and the type of cosine distance on kNN with a five-fold cross-validation system evaluation model.
Study of Neuromarketing in Consumer Behavior due to Product Logos Color Changes Effect Denta Rahmadani; Hilman Fauzi; Reza Armanda Lubis; Maya Ariyanti
CEPAT Journal of Computer Engineering: Progress, Application and Technology Vol 1 No 02 (2022): August 2022
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/cepat.v1i02.5245

Abstract

Consumer behavior can be detected by conducting surveys, but this method lacks the depth of analysis to measure consumer behavior. By utilizing technological and scientific advances through the study of neuroscience, especially in neuromarketing, it is hoped to improve the ability to analyze consumer behavior. Neuromarketing has been widely used to measure consumer behavior through several stimuli, including logo colors. Neuromarketing to the human brain's response is done using electroencephalography (EEG) signal analysis. Data collection was carried out on six students aged 19-24 years. Subjects were given a stimulus of five original logo colors and five logo colors recolored with the number of questions in three sessions. Pre-processing uses a butterwort horde four bandpass filter with a theta-band frequency band in the frequency range of 4-8 Hz. Data on color changes using questionnaires and EEG signal data is processed on spatial and spectral domains to view active areas of short-term memory. The result obtained is the effect of the change in logo color on consumer memory and the active location of short-term memory on the logo's color. Using spatial selection, the number of channels was reduced from 16 to 4 channels or by 75%. The selected channels are in the memory and visual areas.
Classification of Cervical Cancer Images Using Deep Residual Network Architecture Hilman Fauzi; Revydo Bima Ansori; Thomhert Siadari; Ali Budi Harsono; Qisthi Nur Rahmah
International Journal of Artificial Intelligence Research Vol 7, No 1 (2023): June 2023
Publisher : STMIK Dharma Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29099/ijair.v7i1.955

Abstract

According to data from the World Health Organization (WHO), cervical cancer is ranked second, with a high mortality rate in women every year. Cervical cancer is caused by the presence of the Human Papilloma Virus (HPV), which directly attacks the cervix. Additionally, an unhealthy lifestyle can cause attacks of this disease. Several methods can be used to detect cervical cancer early, one of which is Visual Inspection with Acetic Acid (VIA). Through VIA, tests can determine whether patients are infected with the HPV virus. The results of the VIA test can be seen with the naked eye, but medical experts have different opinions about the diagnosis made using their vision. Therefore, to assist medical practitioners in diagnosing the results of VIA, an examination with a technological approach was carried out. Digital imagery was used for the analysis. A medical expert’s Android camera was used with .jpg image format to capture pictures of the VIA test results. In this study, cervical cancer image classification was carried out from the results of the VIA test examination that had been carried out at Hasan Sadikin Hospital, Bandung, with as many as 255 data points for Negative VIA and 65 data points for Positive VIA. In the image processing of the VIA test results, CLAHE images and Canny Edge Detection images are used. Deep learning was used with the ResNet-50 and ResNet-101 architectural models to classify images, and different hyperparameter configurations, such as optimizers, learning rates, batch sizes, and input sizes, were tested. In this study, the best results were obtained using Canny Edge Detection images with hyperparameter configurations using the SGD optimizer with a learning rate of 0.1, a batch size of 32, and an input size of 224 × 224.
Deteksi Aritmia Menggunakan Algoritma Deep Neural Network (Dnn) Pada Sinyal Elektrokardiogram M.Fajar Zulvan Nugraha; Hilman Fauzi TSP; Rita Magdalena
eProceedings of Engineering Vol 10, No 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Jantung merupakan organ vital manusia yangmemiliki fungsi untuk memompa darah ke seluruh tubuh. Salahsatu penyakit umum pada jantung yang terjadi pada manusiayaitu Aritmia. Aritmia jantung atau biasa dikenal dengan iramajantung abnormal adalah penyakit kelainan pola iramajantung. Aritmia menyebabkan jantung tidak mampu bekerjasecara maksimal sehingga bisa menyebabkan sakit dan nyeripada dada dikarenakan irama yang tidak menentu. Padapenelitian sebelumnya, deteksi Aritmia telah berhasil dilakukandengan menggunakan metode klasifikasi ANN. Namundemikian, proses training data dengan metode ANNmembutuhkan waktu yang lama. Untuk mengatasi hal tersebut,DNN dikenalkan sebagai salah satu metode klasifikasi yangmenawarkan akurasi yang tinggi dengan waktu proses trainingyang lebih singkat. Pada penelitian ini dirancang suatu sistemdeteksi Aritmia dengan menggunakan pengembanganalgoritma Deep Neural Network (DNN) yang mendukungpeningkatan akurasi klasifikasi Aritmia denganmengklasifikasikan sinyal EKG. Pada penelitian inimenggunakan dataset dari DataHub.io dengan jumlah 444 data.Pada Tugas Akhir ini, dataset yang didapat dari DataHub.iodibagi kedalam dua kelas yaitu Aritmia dan Tidak Aritmia.Kemudian akan dilakukan beberapa skenario pengujian gunamencari hyperparameter terbaik. Validasi akurasi terbaik yangdidapat sebesar 71,91% dan validasi loss sebesar 0.6647.Kata kunci—Aritmia, Deep Neural Network (DNN),Elektrokardiogram (EKG)
Co-Authors Achmad Rizal Achmad Rizal Adzra, Faaiq Ammaria Alvin Oktarianto Anak Agung Gede Mahendra Kusuma Andi Zahra Bunga Zana Andria Puja Pratama Ayudina, Nasya Azhar, Tauhid Nur Aznida Firzah Abdul Aziz Bagas Farhan Hadyantoro Bambang Hidayat Bambang Hidayat . Barri, Hablul Bayu Angga Medica Firmanda BIRU, BANYU Boby Irfanudin Anwar Cynthia Erika Dayan Aldina Dendi Gusnadi Denta Rahmadani Dewa Nyoman Indra Dharma, Budi Dwi Sukma Bestry Fahmi Oscandar Fahmi Oscandar, Fahmi Faidil Hadi Fathurrachman, Dhia Firdaus Fauzi, Adryan Favian Dewanta Fina Maharani Fitra Ayu Larasati Galih Surya Gede Hari Yogiswara Gelar Budiman HARSONO, ALI BUDI Hasibuan, DR David H.M. Haya, Allika Fadia Heris, Faradisya Hutagalung, Yessica Maria I Wayan Agus Sugiarsa Irfan Darmawan Iwan Iwut Tritoasmoro Jangkung Raharjo Januar, Rifat Kinantan, Muhammad Rafi Kurnia Sri Yunita Kurnia Sri Yunita La Ode Agus Salim M. Abdullah Azzam M.Fajar Zulvan Nugraha Marliyah, Marliyah Marpaung, bintangsahala0203 Marpaung, Dhea Romantika Marpaung, DR Annaria Magdalena Mas Sarwoko Suraatmadja Masaki Kyoso Maya Ariyanti Mazaya 'Aqila Misbakhul Munir Mochamad Dandi Mohd Ibrahim Shapiai Mohd. Ibrahim Shapiai Muhammad Hablul Barri Muhammad Ilham Muhammad Zuhairi Nasya Ayudina Darsono Naufal Reza Alfiandy Nur Ibrahim Octavian Putera Kesuma Sugeng Oktiandi Nugroho Wasktio Pratiwi, Daulika Putra Fajar Alam Qisthi Nur Rahmah Raditiana Patmasari Rahman, Fadlur Rahmat Widadi Raihan Nur Fadhlillah Ramanta Limantara Sidam Ramdhan Nugraha Rasta, John Ratri Dwi Atmaja Revydo Bima Anshori Revydo Bima Ansori Reza Armanda Lubis Rio Fa, Farrel Rita Magdalena Rustam Rustam Rustam Saepulloh Saepulloh Said, Ziani Salsabila, Afap Saputri, Ikra Yuni SENJAYA, ARIO Siadari, Thomhert S. Sofia Sa'adiah SOFIA SAIDAH Sophya Hadini Marpaung Suci Dwi Yanti Sugondo Hadiyoso Suhardjo Suhardjo Syamsul Rizal Syatta, Hurin Tadayasu Komura Tauhid Nur Azhar Thomhert Siadari Thomhert Suprapto Siadari Tsani, Fajri Twinarya Bagus Wibawa Uswah Khairuddin Utari Nur Ramadhani Yora Vany Octaviany Vany Octaviany Venia Oktafiani Wan Siti Nur Shafiqa Wan Musa Yasi Oktodiranto Yasman, Fudhla Ramadhana Yasmin Mumtaz Yulinda Eliskar Ziani Said