Claim Missing Document
Check
Articles

Found 2 Documents
Search

DETEKSI PENYAKIT TUBERKULOSIS MELALUI SEGMENTASI CITRA MENGGUNAKAN ALGORITMA K-MEANS Nanda Dwi Husna Sadikin; Nandi Dwi Husni Sadikin; Niki Marco; Sesilia Wati; Ignatius Wiseto Prasetyo Agung
Jurnal Sistem Informasi Vol 15, No 2 (2023)
Publisher : Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36706/jsi.v15i2.21902

Abstract

Tuberkulosis telah menjadi penyakit yang sangat berbahaya, penularan yang cepat dan mudah menjadi penyakit menular paling berbahaya di dunia saat ini. Deteksi bakteri mycobacterium tuberkulosis pun diperlukan untuk mempercepat diagnosis pasien, agar pasien dapat segera diobati dan penularan dapat dihentikan. Dalam penelitian ini, sebuah pendekatan segmentasi citra yang menggabungkan model warna LAB dan algoritma clustering K-Means diajukan untuk memisahkan dengan akurat area yang berisi bakteri tuberculosis dalam citra dari latar belakang. Pertama-tama, citra mikroskopis diubah ke dalam ruang warna LAB guna mengekstraksi komponen warna yang paling sensitif terhadap perbedaan intensitas dalam citra bakteri mycobacterium tuberculosis. Selanjutnya, melalui penerapan algoritma K-Means clustering, piksel-piksel citra dikelompokkan menjadi beberapa kelompok berdasarkan perbedaan intensitasnya. Hasil eksperimen menunjukkan bahwa pendekatan ini mampu mengisolasi area yang berisi bakteri mycobacterium tuberculosis dalam citra mikroskopis dengan akurasi dan efisiensi yang tinggi. Meskipun hasil akurasi yang tinggi didapatkan dengan cara diamati secara visual, penting untuk dicatat bahwa validasi akurasi segmentasi ini menjadi tantangan karena kurangnya cara yang objektif untuk memvalidasi keberadaan bakteri tuberkulosis dalam citra hasil. Namun, hasil penelitian ini memberikan indikasi yang kuat bahwa pendekatan segmentasi yang diusulkan ini memiliki potensi sebagai langkah awal dalam pengembangan sistem deteksi otomatis bakteri tuberculosis yang lebih canggih.
Exploring the Impact of Fear of Missing Out on Perceived Ease of Use and Usage Decisions in Digital Platforms Renata Zoraifi; Ignatius Wiseto Prasetyo Agung; Samsul Arifin
JOURNAL OF ADVANCED STUDIES IN MANAGEMENT Vol. 1 No. 2 (2024): November 2024
Publisher : Magister Manajemen of Universitas Islam Nahdlatul Ulama Jepara

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

Abstract

This research endeavors to examine the mediating function of perceived ease of use within the context of the relationship between Fear of Missing Out (FOMO) and usage decisions among Generation Z users of digital platforms. Employing a quantitative research design, a total of 125 participants were engaged through an online survey instrument. The collected data were subjected to analysis utilizing Partial Least Squares Structural Equation Modeling (PLS-SEM). The results indicate that FOMO exerts a significant impact on usage decisions, both directly and indirectly through perceived ease of use, underscoring the critical role of user perception in the adoption of technology. These findings enhance the comprehension of the psychological and technological determinants influencing decision-making and offer practical recommendations for platform developers aiming to engage Generation Z.