Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika SNTE
HASUGIAN, MEILAN JIMMY
Unknown Affiliation
Automotive Engineering Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Mechanical Engineering

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

Found 1 Documents
Search
Journal : SNTE

 1 
Segmentasi dan Klasifikasi Sel pada Citra Histologi dengan Menggunakan Jaringan Konvolusional Encoder-Decoder Olii, Laura Husain; Pasaribu, Novie Theresia Br; Hasugian, Meilan Jimmy; Gany, Audyati
Seminar Nasional Teknik Elektro Vol. 3 No. 1 (2023): SNTE II
Publisher : Forum Pendidikan Tinggi Teknik Elektro Indonesia Pusat

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

Abstract

Analisis citra histologi merupakan hal yang esensial dalam penelitian medis untuk membantu diagnosis penyakit. Sel pada citra histologi dapat memiliki variasi bentuk dan ukuran yang beragam. Segmentasi dan klasifikasi sel pada citra histologi adalah langkah awal yang penting untuk dilakukan dalam analisis citra histologi untuk mengetahui kondisi dari sel pada jaringan agar dapat dilakukan analisis lebih lanjut. Dataset yang digunakan pada penelitian ini yaitu dataset Lizard yang disediakan secara publik pada kompetisi Conic 2022. Model jaringan konvolusional encoder-decoder arsitektur LinkNet dengan modifikasi pada bagian encoder dibuat untuk melakukan segmentasi dan klasifikasi sel pada citra histologi menjadi enam kelas yaitu sel neutrofil, sel epitel, sel limfosit, sel plasma, sel eosinofil, dan jaringan ikat. Model pretrained Convolutional Neural Network yang digunakan untuk menjadi encoder LinkNet adalah VGG16, DenseNet121, dan EfficientNet-B2. Berdasarkan hasil pengujian dengan menggunakan metric Mean Intersection over Union (mIoU) pada arsitektur LinkNet dengan masing-masing arsitektur encoder didapatkan hasil performansi terbaik dengan menggunakan arsitektur LinkNet dengan encoder DenseNet121 sebesar 0.5791 pada kelas sel epitel, 0.3935 pada kelas sel limfosit, 0.0444 pada kelas sel plasma, dan 0.4342 pada kelas jaringan ikat.
Co-Authors Audyati Gany, Audyati Erwani Merry Sartika JONATHAN, RONALDO DAVE Olii, Laura Husain Pasaribu, Novie Theresia Br