Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Buletin Ilmiah Ilmu Komputer dan Multimedia (BIIKMA) Mesada: Journal of Innovative Research
Sufyaan Putra Haswanto
Unknown Affiliation
Religion Arts Humanities Computer Science & IT Control & Systems Engineering Education Other

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

Found 2 Documents
Search

 1 
Literature Review: Penggunaan Convolutional Neural Networks Untuk Klasifikasi Citra Tumor Otak Arung Zidane Dwiaji; Bagas Junianto; Sufyaan Putra Haswanto; Muhammad Rizki Yusnadi
Buletin Ilmiah Ilmu Komputer dan Multimedia Vol 2 No 3 (2024): Buletin Ilmiah Ilmu Komputer dan Multimedia (BIIKMA)
Publisher : Shofanah Media Berkah

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

Abstract

Penelitian ini mengeksplorasi Penggunaan Convolutional Neural Networks (CNN) untuk Klasifikasi Citra Tumor Otak, yang merupakan langkah inovatif dalam meningkatkan akurasi diagnosis medis. Tumor otak, yang ditandai oleh pertumbuhan sel abnormal, memerlukan deteksi yang cepat dan tepat untuk intervensi yang efektif. Dalam konteks ini, kami menerapkan teknologi CNN untuk menganalisis citra MRI, dengan tujuan mengklasifikasikan gambar ke dalam kategori tumor otak dan non-tumor. Dataset yang digunakan dalam penelitian ini terdiri dari ribuan citra MRI yang mencakup berbagai jenis tumor, seperti glioma dan meningioma. Dengan memanfaatkan arsitektur CNN mutakhir seperti VGG-16, ResNet-50, dan EfficientNet, model kami dilatih untuk mengenali pola dan fitur penting dalam citra tersebut. Hasilnya menunjukkan bahwa model CNN mampu mencapai tingkat akurasi yang sangat tinggi mencapai 100% dalam klasifikasi citra, berkat kemampuannya dalam otomatisasi ekstraksi fitur tanpa memerlukan proses manual yang rumit. Temuan ini tidak hanya menyoroti potensi CNN dalam meningkatkan akurasi diagnosis tetapi juga menunjukkan kemampuannya untuk mengurangi risiko kesalahan manusia dalam interpretasi citra medis. Dengan demikian, penelitian ini membuka jalan bagi penerapan lebih luas teknologi deep learning dalam kesehatan, khususnya dalam klasifikasi citra tumor otak, yang dapat mempercepat proses diagnosis dan meningkatkan kualitas perawatan pasien secara keseluruhan.
TRILA: Tracking dan Rancang Informasi Laundry Eiffeline Melati Octhaviani; Sufyaan Putra Haswanto; Intan Kamelasari; Wasis Haryono
Mesada: Journal of Innovative Research Vol. 2 No. 1 (2025): Januari-Juni
Publisher : Yayasan Zia Salsabila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61253/p7tade53

Abstract

Digitalisasi sudah membawa perubahan yang besar dalam berbagai sektor layanan, termasuk industri laundry yang semakin berkembang di tengah gaya hidup masyarakat modern. Banyak pelaku usaha laundry masih mengandalkan pencatatan manual dalam proses operasionalnya. Hal ini sering kali menyebabkan keterlambatan, miskomunikasi, serta kurangnya transparansi terhadap pelanggan. Penelitian ini mengusulkan pengembangan sistem manajemen laundry berbasis web yang mampu mengotomatisasi alur kerja sekaligus menyediakan fitur pelacakan progres cucian secara real-time. Sistem ini memungkinkan pelanggan mengetahui status cucian mereka tanpa harus menghubungi pihak laundry. Informasi seperti tahap pencucian, penjemuran, penyetrikaan, hingga kesiapan pengambilan dapat diakses kapan saja. Metode Agile digunakan dalam pengembangan sistem ini untuk memastikan fleksibilitas dan penyempurnaan berkelanjutan. Dengan mengintegrasikan umpan balik pengguna pada setiap literasi, sistem berkembang sesuai dengan kebutuhan operasional nyata. Solusi ini bertujuan untuk mengoptimalkan alur kerja internal, mengurangi kesalahan manusia, dan meningkatkan transparansi layanan. Sistem ini diharapkan menjadi model transformasi digital bagi usaha jasa berskala kecil dan menengah.
Co-Authors Arung Zidane Dwiaji Bagas Junianto Eiffeline Melati Octhaviani Haryono, Wasis Intan Kamelasari Muhammad Rizki Yusnadi