Article Per Year (5 Year)
p-Index From 2021 - 2026
3.27
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Lontar Komputer: Jurnal Ilmiah Teknologi Informasi Jurnal Sains dan Teknologi Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Prosiding SNATIF Jurnal Edukasi dan Penelitian Informatika (JEPIN) JUITA : Jurnal Informatika Jurnal Sistem dan Informatika Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) Emerging Science Journal WIDYABHAKTI Jurnal Ilmiah Populer EXPLORE Jurnal Tekno Kompak Journal of Electronics, Electromedical Engineering, and Medical Informatics Journal of Community Development EXPLORE Sevanam: Jurnal Pengabdian Masyarakat Jurnal Pengabdian Literasi Digital Indonesia
Gede Angga Pradipta, Gede Angga
Institut Teknologi Dan Bisnis STIKOM Bali
Religion Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Nursing Public Health Social Sciences

Published : 30 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 30 Documents
Search

 1   2   3 
Analisis Performansi Parameter pada Arsitektur U-Net untuk Segmentasi Nukleus pada Citra Kanker Serviks Ayu, Desiana Wulaning; Pradipta, Gede Angga
Jurnal Sistem dan Informatika (JSI) Vol 18 No 2 (2024): Jurnal Sistem dan Informatika (JSI)
Publisher : Direktorat Penelitian,Pengabdian Masyarakat dan HKI - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v18i2.607

Abstract

Pap Smear adalah salah satu metode untuk memeriksa sel-sel serviks. Sel-sel tersebut diperiksa dengan mikroskop untuk mengamati perubahan atau ketajaman sel epitel serviks sebagai tanda awal adanya keberadaan kanker. Namun, pemeriksaan Smear Pap secara manual memiliki beberapa kekurangan, yaitu membutuhkan waktu yang relatif lama dan peluang terjadinya kesalahan selama analisis besar karena bersifat subjektif. Namun, citra mikroskopis Pap Smear sulit untuk diinterpretasi, karena terdapat sel-sel yang berkelompok, tumpang tindih, adanya sel-sel inflamasi, bekas darah, kontras rendah, dan variasi dalam pencahayaan yang terjadi karena metode pewarnaan yang tidak konsisten seperti konsentrasi zat pewarna. Salah satu model dalam melakukan interpretasi citra adalah dengan segmentasi citra, maka penelitian ini berfokus pada pengembangan metode segmentasi menggunakan pendekatan model semantic segmentation U-Net dengan arsitektur dari Roonerberger. Penelitian ini menganalisis beberapa penggunaan hyperparameter untuk mengetahui performansi dari arsitektur model U-NET khususnya untuk mengsegmentasi AF. Adapun tuning hyperparameter terdapat pada optimizer, loss function, learning rate serta jumlah epoch. Performa terbaik U-Net dalam melakukan segmentasi cairan ketuban adalah dengan kombinasi parameter optimizer RMSprop, Loss function adalah Binary cross entropy, nilai learning rate 0.00001 dengan Epoch sebesar 31 dengan DSC sebesar 0.82 dan IoU sebesar 0.70, akurasi sebesar 0.8, presisi 0.78, recall 0.81.
Performansi Seleksi Fitur pada Metode Multi Klasifikasi untuk Deteksi Dini Autisme Berbasis Citra Wajah Anak Pradipta, Gede Angga; Putu Desiana Wulaning Ayu
Jurnal Sistem dan Informatika (JSI) Vol 18 No 2 (2024): Jurnal Sistem dan Informatika (JSI)
Publisher : Direktorat Penelitian,Pengabdian Masyarakat dan HKI - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v18i2.611

Abstract

Deteksi dini terhadap gangguan spektrum autisme (ASD) pada anak sangat penting untuk memberikan intervensi dan terapi tepat waktu. Deteksi dini secara tepat dapat membantu meningkatkan kualitas hidup anak yang terindikasi ASD. Metode pendekatan deteksi dapat dilakukan dengan observasi klinis dan kuesioner psikologi, tetapi metode ini sering kali subjektif dan membutuhkan waktu dalam mengetahui hasilnya. Sehingga dengan melihat permasalahan yang ada, maka penelitian ini bertujuan bertujuan untuk mengembangkan dan mengevaluasi model klasifikasi berbasis multi-klasifikasi dan metode seleksi serta jumlah fitur pada citra wajah untuk mendeteksi secara dini pada ASD. Hasil pengujian menunjukkan perpaduan metode klasifikasi logistik regresi dengan seleksi fitur ANOVA dengan menggunakan 150 fitur menghasilkan performansi terbaik dari sisi akurasi sebesar 0.9688, presisi sebesar 0.9687, dan recall sebesar 0.9688, dibandingkan dengan penggunaan metode seleksi fitur Information Gain. Hasil pengujian menunjukkan metode Logistic Linear Regression memiliki keunggulan dalam melakukan klasifikasi pada kelas biner dengan fitur yang terbatas.
SqueezeNet Feature Extraction dan Gradient Boosting untuk Klasifikasi Penyakit Monkeypox pada Citra Kulit Ayu, Desiana Wulaning; Pradipta, Gede Angga
Jurnal Sistem dan Informatika (JSI) Vol 18 No 2 (2024): Jurnal Sistem dan Informatika (JSI)
Publisher : Direktorat Penelitian,Pengabdian Masyarakat dan HKI - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v18i2.612

Abstract

Pada tahun 2022 WHO menerima laporan dari negara-negara non-endemik tentang kasus penyakit monkeypox (cacar monyet). Saat ini, terdapat 12 negara non-endemik di tiga wilayah WHO yaitu Eropa, Amerika, dan Pasifik Barat yang dilaporkan telah terjangkit virus cacar monyet. Monkeypox menunjukkan gejala serupa dengan cacar tetapi dengan tingkat keparahan yang berbeda, memerlukan identifikasi dan penanganan yang cepat untuk mencegah penularan lebih lanjut. Identifikasi penyakit monkeypox secara cepat dan akurat dapat dilakukan dengan pendekatan kecerdasan buatan yaitu model machine learning. Salah satu metode yang dapat digunakan untuk melakukan analisis data citra medis adalah metode Gradient Boosting. Penelitian ini mengembangkan konsep model klasifikasi penyakit monkeypox dengan menerapkan arsitektur Deep Learning, yaitu SqueezNet + chi-square, tiga metode Gradient Boosting sebagai metode klasifikasi. Hasil eksperimen menunjukkan kombinasi model SqueezNet + chi-square + XGBoost menghasilkan performansi yang lebih baik dari kombinasi dua model yang lain, dengan akurasi sebesar 0.943, presisi sebesar 0.942, dan AUC sebesar 0.987.
Weighted nearest neighbors and radius oversampling for imbalanced data classification Pradipta, Gede Angga; Wulaning Ayu, Putu Desiana; Liandana, Made; Hostiadi, Dandy Pramana
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 14, No 1: February 2025
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v14.i1.pp416-427

Abstract

The challenges associated with high-dimensional and imbalanced datasets were observed to often lead to a degradation in the performance of classical machine learning algorithms. In the case of high dimensional data, not all features contribute significantly and are considered relevant to the performance of the model. Therefore, this study introduced a novel method called feature weighted variance analysis-nearest neighbors (WFVANN) which was developed on the foundation of k-nearest neighbors (KNN). The process involved modifying the calculation of the Euclidean distance by fully considering the relevance and contribution levels of features based on their Fvalue. WFVANN at the algorithmic level processing and radius-synthetic minority oversampling technique (R-SMOTE) at the data level processing used as the oversampling method later became the proposed model to solve the aforementioned issues. Moreover, extensive experiments were conducted on two distinct types of data including the high-dimensional and imbalanced by comparing WFVANN with the state-of-art KNN-based and synthetic minority oversampling technique (SMOTE)-based methods. The results showed that the proposed method had the highest accuracy, precision, recall, and F1-measure values across the majority of test datasets and outperformed the other methods.
Analysis of the Impact of Data Oversampling on the Support Vector Machine Method for Stroke Disease Classification Luh Ayu Martini; Pradipta, Gede Angga; Huizen, Roy Rudolf
Journal of Electronics, Electromedical Engineering, and Medical Informatics Vol 7 No 2 (2025): April
Publisher : Department of Electromedical Engineering, POLTEKKES KEMENKES SURABAYA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35882/jeeemi.v7i2.698

Abstract

Data imbalance is a critical challenge in the classification of medical data, particularly in stroke disease prediction, a life-threatening condition requiring immediate intervention. This imbalance arises due to the disproportionate number of non-stroke cases compared to stroke cases, which can lead to biased models favoring the majority class. Consequently, the model may struggle to correctly identify stroke cases, resulting in lower recall and an increased risk of misdiagnosis. This study evaluates the impact of various oversampling techniques, including Synthetic Minority Over-sampling Technique (SMOTE), Borderline-SMOTE, SMOTE-Edited Nearest Neighbor (SMOTE-ENN), and SMOTE-Instance Prototypes Filtering (SMOTE-IPF), along with feature selection using Information Gain and Chi-Square, to assess their influence on model performance. Oversampling is utilized to address class imbalance by generating synthetic samples, thereby improving the representation of the minority class. Feature selection is employed to eliminate irrelevant or redundant features, enhancing both interpretability and computational efficiency. The dataset obtained from Kaggle, consists of 5,110 records and 12 features. Support Vector Machine (SVM) is used as the classification algorithm, with evaluations conducted on Linear, Radial Basis Function (RBF), and Polynomial kernels. Experimental results indicate that the highest performance is achieved by the combination of Borderline-SMOTE and the RBF kernel, yielding an accuracy of 96.86%, precision of 98.65%, recall of 94.99%, and an F1-score of 96.79%. This model outperforms others in stroke disease classification, demonstrating that the integration of oversampling techniques can effectively enhance prediction accuracy. Future research could focus on implementing deep learning-based models to further optimize stroke classification in the case of imbalanced data. These advancements are expected to enhance model performance, leading to a more effective and efficient approach for medical datasets.
Rancangan Infrastruktur E-Learning untuk Peningkatan Kualitas Pembelajaran di SMKN 1 Banjar, Kecamatan Banjar, Kabupaten Buleleng, Bali Yohanes Priyo Atmojo; Hostiadi, Dandy Pramana; Ni Luh Putri Srinadi; Muhammad Riza Hilmi; Tubagus Mahendra Kusuma; Susila, I Made Darma; Made Liandana; Pradipta, Gede Angga; Putu Desiana Wulaning Ayu
WIDYABHAKTI Jurnal Ilmiah Populer Vol. 7 No. 3 (2025): Juli
Publisher : Direktorat Penelitian, Pengabdian Masyarakat, dan HKI Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/widyabhakti.v7i3.868

Abstract

Pengembangan Learning Management System (LMS) berbasis e-learning di SMK N 1 Banjar bertujuan untuk meningkatkan kualitas pembelajaran dengan memanfaatkan teknologi digital. Kegiatan ini dilaksanakan melalui beberapa tahap, dimulai dengan identifikasi kebutuhan infrastruktur teknis dan non-teknis serta perencanaan pelatihan bagi guru dan siswa. LMS yang dikembangkan menggunakan platform Moodle dan dilengkapi dengan berbagai fitur seperti pengunggahan tugas, kuis daring, forum diskusi, serta pengelolaan pengguna. Sistem ini juga menggunakan domain khusus yang dimiliki SMK yang bertujuan untuk memastikan akses yang mudah dan sistem yang terintegrasi. Pada tahap implementasi, LMS dikonfigurasi untuk mencakup pengaturan kelas, mata pelajaran, kuis, dan modul-modul interaktif lainnya sesuai dengan kurikulum yang ada. Guru diberikan pelatihan untuk menyusun materi pembelajaran digital yang efektif, sementara siswa dibimbing untuk menggunakan LMS secara mandiri dalam proses pembelajaran. Tujuan dari pengembangan LMS ini adalah untuk meningkatkan literasi digital dan kemampuan siswa dalam memanfaatkan teknologi dalam pembelajaran. Hasil dari pelaksanan kegiatan pengabdian adalah adanya sistem pembelajaran dalam bentuk e-learning yang di implementasikan di SMK N 1 Banjar yang dapat digunakan secara efektif oleh guru dan siswa. Melalui penerapan e-learning yang dilakukan, ekosistem pembelajaran daring yang lebih modern, efektif, dan berkelanjutan di SMK N 1 Banjar telah terbentuk, serta dapat menjadi model yang dapat diadaptasi oleh sekolah-sekolah lain untuk meningkatkan kualitas pendidikan mereka.
Diabetes Mellitus Classification Using CNN-Based Plantar Thermogram Analysis Rihamzah, Muhamad; Pradipta, Gede Angga; Huizen, Roy Rudolf
Jurnal Ilmiah Teknik Elektro Komputer dan Informatika Vol. 11 No. 3 (2025): September
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jiteki.v11i3.30640

Abstract

Diabetes Mellitus (DM) is a chronic metabolic disorder that often causes serious complications, including neuropathy and lower extremity disorders, which impact the quality of life of patients. Early detection of DM is a major challenge due to limited data and the complexity of image analysis. This study proposes a plantar thermogram image-based approach to support non-invasive diagnosis of DM through the development of a Convolutional Neural Network (CNN)-based model and machine learning techniques. This model integrates data augmentation techniques, such as rotation, flip, and zoom, to improve image variation and model robustness. Two CNN architectures, InceptionV3 and ResNet-50, are used in the training process, followed by feature selection using the Chi-Square method and classification using the Random Forest algorithm. The results showed that the proposed model achieved the best performance with accuracy, F1-score, precision, recall, and AUC (Area Under Curve) of 99.6% each. This approach makes a significant contribution by showing improvement compared to previous methods, while opening up opportunities for the development of more efficient clinical applications in early detection and monitoring of DM.
PERBANDINGAN SEGMENTASI CITRA TELUR AYAM MENGGUNAKAN METODE OTSU BERDASARKAN PERBEDAAN RUANG WARNA RGB DAN HSV Pradipta, Gede Angga; Wulaning Ayu, Putu Desiana
JST (Jurnal Sains dan Teknologi) Vol. 6 No. 1 (2017)
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1657.251 KB) | DOI: 10.23887/jstundiksha.v6i1.9329

Abstract

Segmentasi bertujuan untuk membagi citra ke dalam sejumlah bagian atau objek, objek pada penelitian ini berupa telur ayam yang bertujuan untuk memperoleh garis tepi dari citra telur dan dapat mengidentifikasi bercak kotor pada telur. Untuk mendapatkan tujuan dari penelitian ini, maka metode yang digunakan adalah dengan segmentasi berdasarkan perbedaan ruang warna, yaitu ruang warna RGB dan HSV, serta segmentasi dengan menggunakan metode otsu. Hasil yang diperoleh dari 20 sampel telur yang digunakan menunjukkan hasil segmentasi dengan ruang warna RGB dalam mendeteksi garis tepi citra pada telur lebih baik dibandingkan dengan ruang warna HSV ,ini terlihat dari pengujian secara visual dimana ruang warna RGB memberikan hasil yang lebih sempurna dalam memisahkan telur dengan objek yang lainnya. Sedangkan dalam pengujian kualitas citra hasil dari segementasi dengan pengujian MSE dan PSNR, ruang warna HSV memberikan hasil yang lebih baik dengan RGB . Penelitian ini diharapkan dapat memberikan  kontribusi penggunaan metode ruang warna agar dapat diterapkan pada segmentasi citra. Kata Kunci : Otsu, RGB, HSV, Segmentasi
Optimization of Vehicle Detection at Intersections Using the YOLOv5 Model Wiguna, I Wayan Adi Artha; Huizen, Roy Rudolf; Pradipta, Gede Angga
Jurnal Ilmiah Teknik Elektro Komputer dan Informatika Vol. 10 No. 4 (2024): December
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jiteki.v10i4.29309

Abstract

This study aims to analyze and evaluate the performance of the YOLOv5 model in detecting vehicles at intersections to optimize traffic flow. The methods used in this research include training the YOLOv5 model with traffic datasets collected from various intersections and optimizing hyperparameters to achieve the best detection accuracy. The study results show that the optimized YOLOv5 model can detect multiple types of vehicles with high accuracy. The model achieved a detection accuracy of 85.47% for trucks, 87.12% for pedestrians, 86.54% for buses, 77.20% for cars, 80.48% for motorcycles, and 78.80% for bicycles. Significant improvements in detection performance were achieved compared to the default model. This research concludes that the optimization of the YOLOv5 model is effective in improving vehicle detection accuracy at intersections. Implementing this optimized model can significantly contribute to traffic management, reduce congestion, and improve road safety. It is expected that the implementation of this technology can be more widely applied for more efficient traffic management in various major cities.
Klasifikasi Penyakit Ulkus Kaki menggunakan Metode Pretrained Convolutional Neural Network Yoga, I Gede Dian Permana; Pradipta, Gede Angga; Huizen, Roy Rudolf
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 11, No 2 (2025): Volume 11 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v11i2.91721

Abstract

Ulkus kaki diabetik merupakan salah satu komplikasi berat pada penderita diabetes yang, jika tidak ditangani secara dini dan tepat, dapat menyebabkan infeksi, amputasi, bahkan kematian. Tantangan utama dalam penanganannya terletak pada proses diagnosis dan klasifikasi yang masih mengandalkan pengamatan visual secara manual oleh tenaga medis, yang sering kali bersifat subjektif dan tidak konsisten. Untuk menjawab permasalahan ini, kecerdasan buatan (AI) mulai dimanfaatkan dalam dunia medis, khususnya melalui analisis citra medis digital. AI bekerja dengan mengolah data berupa gambar luka dan mengenali pola visual tertentu menggunakan algoritma pembelajaran mendalam (deep learning) seperti Convolutional Neural Network (CNN), sehingga mampu mendeteksi kondisi luka secara lebih akurat. Penelitian ini bertujuan membangun model klasifikasi ulkus kaki dengan memanfaatkan arsitektur CNN yang telah dilatih sebelumnya (pretrained model) dan ditingkatkan performanya melalui proses fine-tuning. Tiga jenis arsitektur CNN yang digunakan yaitu MobileNet, VGG16, dan ResNet50, yang kemudian dikombinasikan dengan algoritma boosting seperti XGBoost dan AdaBoost untuk meningkatkan hasil klasifikasi. Dataset yang digunakan berupa citra digital luka ulkus kaki yang telah diproses melalui teknik peningkatan kualitas gambar dan seleksi fitur. Hasil evaluasi menunjukkan bahwa kombinasi MobileNet dengan XGBoost menghasilkan kinerja terbaik dengan tingkat akurasi 89%, disusul oleh VGG16 yang dikombinasikan dengan XGBoost dengan akurasi 86%. Temuan ini menunjukkan bahwa model yang dikembangkan memiliki potensi besar sebagai alat bantu diagnosis berbasis AI yang cepat, objektif, dan akurat dalam mendukung proses klinis dan mengurangi risiko komplikasi pada pasien diabetes.
Co-Authors Abdul Wahab Aditya Naray Artamerta Ayu, Desiana Wulaning Dadang Hermawan Dadang Hermawan Dandy Pramana Hostiadi Dandy Pramana Hostiadi Dandy Pramana Hostiadi I Gede Edy Artana I Gusti Ngurah Putu Arya Wijaya I Kadek Agus Ari Setiawan I Komang Agus Ady Aryanto I Made Darma Susila I Made Darma Susila, I Made I Made Darma Susila, I Made Darma Kadek Eka Sapta W Lilis Yuningsih Luh Ayu Martini M.Cs S.Kom I Made Agus Wirawan . Made Liandana Made Liandana, Made Mahendra, Tubagus Muhamad Rihamzah Muhammad Riza Hilmi Ni Luh Putri Srinadi Pande Putu Gede Putra Pertama Purnama, I Gusti Agung Vony Putu Desiana Wulaning Ayu Putu Desiana Wulaning Ayu Putu Desiana Wulaning Ayu Putu Desiana Wulaning Ayu Putu Sumardika Eka Putra Retantyo Wardoyo Rihamzah, Muhamad Roy Rudolf Huizen Tubagus Mahendra Kusuma Wiguna, I Wayan Adi Artha Wulaning Ayu, Putu Desiana Wulaning Ayu, Putu Desiana Yoga, I Gede Dian Permana Yohanes Priyo Atmojo Yohanes Priyo Atmojo Yohanes Priyo Atmojo, Yohanes