Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informatika dan Komputer JURNAL TEKNIK INFORMATIKA DAN KOMPUTER
Kosman, Alvin Widyadhana
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering

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

Found 2 Documents
Search

 1 
PENGUJIAN ALGORITMA INCEPTION V3 DALAMMENGIDENTIFIKASI PENYAKIT TUBERCULOSIS DAN PNEUMONIA Kosman, Alvin Widyadhana; Wahyuningsih, Yulia; Mahendrasusila, Fernandi
Jurnal Teknik Informatika dan Komputer Vol. 3 No. 1 (2024): Jurnal Teknik Informatika dan Komputer
Publisher : Universitas Muhammadiyah Prof. DR. HAMKA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22236/jutikom.v3i1.13879

Abstract

According to the World Health Organization (WHO), Tuberculosis and Pneumonia are two of the 10 biggest causes of death in the world. To reduce the risk of contracting both diseases, early and accurate diagnosis is needed. One way to achieve early and accurate diagnosis is to integrate image processing into the diagnosis process. The aim of this research is to test the CNN Inception V3 algorithm in identifying a case of Tuberculosis and Pneumonia disease by using a photo of electromagnetic radiation from a person's body wavelength. From the photos, the results obtained were the percentage of accuracy of x-ray photos of normal lungs is 99.63%, the percentage of accuracy of x-ray photos of tuberculosis lungs is 99.82% and the percentage of accuracy of x-ray photos of lungs with pneumonia is 99.69%.
Pengujian Metode Inception V3 dalam Mengidentifikasi Penyakit Kanker Kulit Kosman, Alvin Widyadhana; Wahyuningsih, Yulia; Mahendrasusila, Fernandi
Jurnal Teknologi Informatika dan Komputer Vol. 10 No. 1 (2024): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v10i1.1940

Abstract

Kulit yang berfungsi secara estetika dan melindungi organ internal secara rutin terpapar elemen eksternal, membuatnya rentan terhadap luka dan penyakit. Salah satu kondisi yang paling berbahaya adalah kanker kulit, masalah kesehatan global yang berasal dari mutasi DNA pada sel kulit, terutama Melanoma dan Basal Cell Carcinoma (BCC). Penyakit tersebut umum terjadi di area yang terpapar sinar matahari berlebihan. Di Indonesia yang memiliki lokasi geografis di daerah tropis memiliki resiko terjangkit kanker kulit yang lebih besar. Hal tersebut mendorong kebutuhan akan metode diagnostik yang efektif. Prosedur biopsi tradisional, meskipun akurat, memakan waktu dan mahal. Studi ini mengeksplorasi pendekatan alternatif yang efisien dengan menggunakan computer vision dan machine learning, khususnya Inception V3. Metode Inception V3 adalah salah satu arsitektur jaringan saraf konvolusi (CNN) yang dikembangkan oleh tim peneliti di Google pada tahun 2015. Tujuan utama dari Inception V3 adalah untuk meningkatkan kecepatan komputasi dan kinerja model dalam pengenalan gambar. Penelitian akan dilakukan dengan cara melakukan pelatihan pada model dengan metode Inception V3. Model akan dilatih menggunakan data foto kulit sebesar 9,1GB (Gigabyte) yang diambil dari International Skin Imaging Challenge (ISIC) pada tahun 2019. Setelah pelatihan selesai dilakukan, tahap selanjutnya adalah pengujian. Untuk mencegah bias maka data yang dipakai untuk pengujian model tidak boleh sama dengan pelatihannya. Model yang dilatih menunjukkan akurasi yang memuaskan, mencapai 99.93% untuk Melanoma dan 92.26% untuk identifikasi Basal Cell Carcinoma.
Co-Authors Mahendrasusila, Fernandi Wahyuningsih, Yulia