Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : The Indonesian Journal of Computer Science

Perbandingan Deteksi Alzheimer: ViT, CNN dan ViT dengan Bobot pada Citra Medis Salsabila, Aisyah Nur; Liebenlito, Muhaza; Zulkifli, Dhea Urfina
The Indonesian Journal of Computer Science Vol. 13 No. 1 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i1.3765

Abstract

Penyakit Alzheimer merupakan suatu tipe demensia yang berpengaruh terhadap ingatan, cara berpikir, dan perilaku. Gejala-gejala tersebut dapat menjadi cukup parah sehingga dapat mempengaruhi kegiatan sehari-hari. Dalam penelitian ini, diperkenalkan aplikasi Convolutional Neural Network (CNN) sederhana dan pre-trained model Vision Transformer (ViT) untuk menganalisis data MRI Scan Alzheimer dengan empat kelas, yaitu Mild Demented, Moderate Demented, Non Demented, dan Very Mild Demented. Pada penelitian ini, dilakukan perbandingan pengaplikasian CNN dengan bobot dan ViT yang dilakukan dengan menggunakan dua cara, yaitu dengan bobot dan tidak. Hasil dari penelitian ini menunjukkan bahwa pengaplikasian ViT dengan bobot menghasilkan akurasi yang lebih tinggi dibanding dengan metode lainnya. Dari penelitian ini, diharapkan dapat menganalisa dan mendeteksi penyakit Alzheimer dalam bidang kesehatan dengan efisien.
Pemodelan Indeks Kualitas Udara PM2.5 di Kemayoran, Jakarta, dengan Faktor Meteorologi Menggunakan ARFIMAX Oktavia Laras Dianingati; Mahmudi; Dhea Urfina Zulkifli
The Indonesian Journal of Computer Science Vol. 14 No. 1 (2025): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v14i1.4663

Abstract

Poor air quality that significantly impacts on health due to fine particles PM2.5 has become one of the serious problems in urban areas such as Kemayoran, Jakarta. This study aims to predict the Air Quality Index of PM2.5 pollutant in Kemayoran, Jakarta, with the ARFIMAX model which will be compared with the ARFIMA model. The ARFIMAX modeling involves meteorological factors as exogenous variables. The research results showed that the ARFIMAX(1,0,33,1) model with significant exogenous variables, namely minimum temperature, average temperature, and wind direction at maximum speed provides better prediction accuracy with a Mean Absolute Percentage Error (MAPE) value of 23.69%, compared to ARFIMA with a MAPE value of 25.76%. This decrease in MAPE value indicates that the addition of exogenous variables in the model can improve the accuracy of air quality forecast.