Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika) International Journal Of Computer, Network Security and Information System (IJCONSIST)
Wardhani, Adil Sandy
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
PENERAPAN MODEL HIBRIDA CNN-KNN UNTUK KLASIFIKASI PENYAKIT MATA Wardhani, Adil Sandy; Anggraeny, Fetty Tri; Rizki, Agung Mustika
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9774

Abstract

Penyakit mata merupakan gangguan yang menyerang organ mata akibat dari virus, bakteri, dan kebiasaan buruk. Saat ini, penggunaan teknologi kecerdasan buatan populer dalam mendiagnosa penyakit mata untuk memungkinkan penanganan lebih dini agar tidak memicu kebutaan. Convolutional Neural Network (CNN) merupakan algoritma klasifikasi yang paling umum digunakan karena dapat menghasilkan akurasi yang baik dalam memproses data yang berformat gambar. K-Nearest Neighbor (KNN) juga termasuk algoritma untuk klasifikasi dengan menggunakan parameter nilai tetangga terdekat. Pada penelitian ini, peneliti akan melakukan hibrida atau menggabungkan algoritma CNN dan KNN dengan CNN sebagai proses ekstraksi fitur serta KNN sebagai klasifikasi. Penelitian akan dilakukan dengan menggunakan beberapa parameter pada CNN dan KNN untuk mencari akurasi terbaik. Hasil akurasi terbaik dari penerapan model hibrida CNN-KNN pada penyakit mata diperoleh dengan menggunakan optimasi adam learning rate 0,001 dan nilai tetangga terdekat 9 dengan akurasi sebesar 94,03%.
Classification of Eye Diseases Using the AlexNet Convolutional Neural Network Model Algorithm Pratama, Moch Deny; Sultoni, Royal Fajar; Wardhani, Adil Sandy; Sechuti, Maulana Hassan; Yerezqy Bagus; Dina Zatusiva Haq; Yoga Ari Tofan
IJCONSIST JOURNALS Vol 7 No 1 (2025): September
Publisher : International Journal of Computer, Network Security and Information System

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/ijconsist.v7i1.160

Abstract

This study uses the Convolutional Neural Network (CNN) method with the AlexNet model to classify eye diseases based on medical images. The dataset includes labeled images of three types of eye diseases: cataract, glaucoma, and diabetic retinopathy. The experimental results show that the model achieved an accuracy of 75.18%, which indicates that CNN with the AlexNet architecture can classify eye diseases quite well. This research shows that deep learning can be used to help doctors or health professionals in diagnosing eye diseases through automatic image analysis. Although the accuracy still needs to be improved, this study can serve as a reference for developing an automated diagnostic system in the future. Further research is expected to increase accuracy, expand the dataset, and apply other deep learning techniques to improve the performance of eye disease detection.
Co-Authors Agung Mustika Rizki, Agung Mustika Dina Zatusiva Haq Fetty Tri Anggraeny Pratama, Moch Deny Sechuti, Maulana Hassan Sultoni, Royal Fajar Yerezqy Bagus Yoga Ari Tofan