Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Teknik ITS
Mujiono, Totok
Departemen Teknik Elektro Institut Teknologi Sepuluh Nopember Surabaya
Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Deteksi Dini Karies Gigi Dengan Metode Fluoresen Optik pada Saliva Mayerd, Immanuel; Mujiono, Totok; Rivai, Muhammad
Jurnal Teknik ITS Vol 12, No 3 (2023)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373539.v12i3.118633

Abstract

Menurut Riset Kesehatan Dasar Nasional, dari populasi penduduk Indonesia tahun 2018 penderita penyakit karies gigi mencapai 80%. Tindakan deteksi dini sebelum karies semakin parah sangatlah penting. Metode deteksi dini karies sekarang ini hanya tersedia di rumah sakit dan hanya bisa dilakukan oleh dokter gigi. Penelitian ini menawarkan ide dengan menggunakan metode Fluoresen Optik. Prinsipnya adalah dengan memanfaatkan biomarker Matriks Metalloproteinase-8 (MMP-8) pada saliva, yang dapat bereaksi secara inhibit dengan kurkumin yang memiliki sifat fluoresen. Kandungan MMP-8 akan semakin bertambah dengan bertambahnya jumlah karies gigi ataupun tingkat keparahannya. Dengan menggunakan kurkumin yang bersifat fluoresen, reaksi antara kurkumin dan MMP-8 akan dimanfaatkan. Prinsipnya adalah sampel yang berupa campuran saliva dan kurkumin akan dikenai cahaya UV yang kemudian akan menghasilkan emisi cahaya fluoresen yang dapat diakuisisi oleh sensor AS7262 untuk kemudian dikirim ke komputer untuk dianalisis dan dilatih tiga jenis algoritma yakni ANN, KNN dan SVM. Klasifikasi yang digunakan menggunakan standar American Dental Association (ADA) dan klasifikasi biner (positif/negatif). Model dengan akurasi terbaik dihasilkan oleh algoritma dengan klasifikasi biner. Model ANN, KNN dam SVM untuk klasifikasi biner memiliki akurasi validasi yang masing-masing nilainya adalah 90%, 80% dan 60%. Sensitivitas pengklasifikasian pada metode ini cukup baik dibandingkan dengan metode konvensional yang ada.
Implementasi Transformer dan RAG untuk Otomatisasi Akuisisi Informasi dari Publikasi Akademik: Konstruksi Chatbot Berbasis Web Berorientasi PDF Hutagalung, Ruth Johana; Mujiono, Totok; Purwanto, Djoko
Jurnal Teknik ITS Vol 14, No 1 (2025)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373539.v14i1.150875

Abstract

Dalam konteks tantangan berkelanjutan yang dihadapi oleh komunitas akademis dalam menyerap serta menginterpretasi konten publikasi ilmiah yang kompleks dan luas, yang memerlukan tingkat pemahaman konseptual yang tinggi dan keterlibatan kognitif yang intens, integrasi paradigma pembelajaran mesin dengan spesialisasi Transformer ke dalam sistem otomatisasi menjanjikan peningkatan signifikan dalam efisiensi akuisisi informasi ilmiah. LLM menunjukkan kapabilitas yang mengesankan tetapi dihadapkan pada kendala seperti halusinasi, pengetahuan yang usang, serta proses penalaran yang tidak transparan dan sulit dilacak. RAG muncul sebagai solusi potensial dengan menggabungkan pengetahuan dari database eksternal. Paper ini mengimplementasikan dan mengintegrasikan OpenAI GPT-4 dan Pinecone ke dalam framework NextJs untuk konstruksi sebuah website chatbot yang berorientasi PDF. Analisis kuantitatif mengungkapkan variasi kinerja sistem dalam beberapa dimensi evaluasi. Tingkat context precision mencapai 0.79, menandakan efektivitas yang baik, sementara answer relevancy menunjukkan performa unggul dengan nilai 0.83. Kemampuan context recall dan answer correctnepenss menampilkan hasil yang cukup memuaskan, masing-masing dengan skor 0.68 dan 0.7. Meskipun demikian, aspek faithfulness memperoleh skor 0.51, mengindikasikan kebutuhan akan penyempurnaan signifikan dalam area ini untuk meningkatkan kinerja sistem secara keseluruhan. Integrasi berkas PDF pada sistem mengakibatkan peningkatan signifikan dari tingkat keakuratan jawaban sebesar 0.2, dari 0.5 pada tahap pre-implementasi menjadi 0.7 pada tahap post-implementasi.
Co-Authors Hutagalung, Ruth Johana Mayerd, Immanuel Muhammad Rivai Purwanto, Djoko