Article Per Year (5 Year)
p-Index From 2021 - 2026
1.116
P-Index
This Author published in this journals
All Journal Jurnal Dinamika Hukum INTEGER: Journal of Information Technology Jurnal Fatwa Hukum Jurnal Medika Malahayati Intelektual: Jurnal Administrasi Publik dan Ilmu Komunikasi Soedirman Law Review INVENTION: Journal of Intellectual Property Law
Agus Mardianto
Fakultas Hukum Universitas Jenderal Soedirman
Biochemistry, Genetics & Molecular Biology Computer Science & IT Environmental Science Health Professions Immunology & microbiology Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Public Health Social Sciences

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : INTEGER: Journal of Information Technology

 1 
Pengembangan Sistem Deteksi Katarak Berbasis Website Dengan Menggunakan Cnn Di Rumah Sakit Mata Pasuruan Mardianto, Agus; Alamsyah, Muslim; Khoiron, Mohamad
INTEGER: Journal of Information Technology Vol 10, No 2 (2025): September
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.0.v10i2.8051

Abstract

Katarak merupakan penyebab utama kebutaan di Indonesia, namun proses diagnosis yang masih manual di rumah sakit menyebabkan deteksi dini menjadi lambat dan tidak efisien. Penelitian ini bertujuan mengembangkan sistem deteksi katarak berbasis website dengan metode Convolutional Neural Network (CNN) di Rumah Sakit Mata Pasuruan. Sistem ini dirancang untuk mengklasifikasikan citra mata menjadi dua kelas, yaitu normal dan katarak, dengan menggunakan model CNN yang dilatih pada dataset berisi 512 citra. Model CNN dibangun dengan arsitektur tiga convolutional layers, max pooling, dan dense layer dengan fungsi aktivasi ReLU dan sigmoid, serta diintegrasikan melalui backend berbasis Flask dan layanan ngrok untuk koneksi dengan model yang berjalan di Google Colab. Evaluasi dilakukan menggunakan data validasi sebesar 20% dari dataset dengan hasil akurasi 97%, precision 1.00, recall 0.94 untuk kelas katarak, dan recall 1.00 untuk kelas normal. Sistem berhasil mendeteksi katarak secara otomatis dengan hasil akurat dan antarmuka ramah pengguna, serta mendukung layanan diagnosis awal di rumah sakit dengan lebih cepat dan efisien.
Co-Authors Afwa, Ulil Alamsyah, Muslim Alfina Julita Noor Asriani Andhi Nur Rahmadi, Andhi Nur Arif Effendi Aryuni Yuliantiningsih Dheya Rahmawati Herlan, Asep Imam Sucahyo Iryatin, Al Fiani Nenden Khoiron, Mohamad Khrisnoe Kartika Khrisnoe Kartika Lydia Verginia Nadeak M.I. Wiwik Yuni Hastuti Maria Mu’ti Wulandari Masturi, Frida Nurrahma Muhammad Ikhsan Lubis, Muhammad Ikhsan Nadeak, Lydia Verginia Noer Indriyati Nur Wakhid Prasaja, Farisa Awanis Ringgo Alfarizi S Sanyoto Sukirman Sukirman Sukirman Sukirman Sukirman Sukirman Suyadi, Suyadi Tedi Sudrajat Wahyoeningsih, Krisnhoe Kartika Wismaningsih Wismaningsih