Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Journal of Electronics and Instrumentation
Desy Fitria Wulandari
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Physics

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

Found 2 Documents
Search

 1 
Efektivitas Citra PNG dalam Mengidentifikasi Kanker Melalui Hounsfield Units Fery Ferdianto; Desy Fitria Wulandari
Journal of Electronics and Instrumentation Vol. 2 No. 1 (2025)
Publisher : Fakultas MIPA, Universitas Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19184/jei.v2i1.1671

Abstract

Perkembangan teknologi dalam bidang medis menjadi peluang dalam deteksi dini berbagai penyakit, termasuk kanker. CT-Scan merupakan salah satu alat yang digunakan dalam mendiagnosis kanker. Akan tetapi, informasi atau data medis dari CT-Scan ini biasanya disimpan dalam format DICOM yang memerlukan perangkat lunak dan peralatan khusus untuk diakses. Oleh karenaa itu penelitian ini bertujuan untuk mengevaluasi efektivitas citra PNG dalam mempertahankan dan merepresentasikan nilai Hounsfield unit yang dibutuhkan untuk mengidentifikasi kanker. Metode yang dilakukan adalah kalibrasi, windowing dan filtering menggunakan metode otsu. Windowing merupakan teknik yang digunakan dalam analisa citra CT-Scan untuk memperjelas tampilan area tertentu dalam gambar medis. Terdapat dua parameter utama dalam teknik ini yaitu Window Width (WW) dan Window Level (WL). Sedangkan metode Otsu digunakan untuk segmentasi citra, yang secara otomatis menentukan threshold optimal untuk memisahkan objek dari latar belakang. Hasil menunjukkan nilai kalibrasi dari citra yang tidak mampu menyamakan nilai HU sesuai dengan metadata dari citra DICOM yang menyebabkan hal tersebut dapat terjadi. Sehingga dapat disimpulkan bahwa citra dengan format PNG mampu atau dapat digunakan untuk mendeteksi jaringan kanker akan tetapi tidak seakurat DICOM dalam aplikasi analisis medis
Klasifikasi Pes Planus Menggunakan Ekstraksi Fitur HOG dan BoF dengan Random Forest Stefano Akbar; Fahreza, Rafi Achmad; Fery Ferdianto; Desy Fitria Wulandari; Erviana Widia Astuti
Journal of Electronics and Instrumentation Vol. 1 No. 3 (2024)
Publisher : Fakultas MIPA, Universitas Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19184/jei.v1i3.980

Abstract

Salah satu kontribusi fisika dalam bidang kesehatan adalah membantu proses diagnosis penyakit melalui citra medis, salah satunya untuk mendeteksi flat foot atau Pes Planus. Pada penelitian ini, metode ekstraksi dan pemilihan fitur digunakan untuk meningkatkan akurasi klasifikasi flat foot dengan menggunakan teknik machine learning. Histogram of Oriented Gradients (HOG) merupakan teknik ekstraksi fitur yang mengelompokkan nilai gradien piksel berdasarkan orientasi pada setiap bagian lokal dari citra, sedangkan Bag of Features (BoF) atau Bag of Words merupakan pendekatan yang memperlakukan ciri-ciri dari gambar sebagai fitur yang dapat diolah. Penelitian ini mengekstraksi gambar menjadi histogram dan mengidentifikasi fitur penting dari distribusi gradien intensitas piksel. Pemilihan fitur tambahan (additional features) dilakukan berdasarkan tingkat pengaruhnya terhadap model Random Forest. Data yang digunakan berjumlah 307 sampel, yang dibagi dalam beberapa lipatan menggunakan variasi nilai k-fold untuk memperoleh hasil validasi terbaik dan hasil pembelajaran optimal, dengan teknik sampling stratified. Hasil penelitian menunjukkan bahwa metode BoF mampu mengklasifikasikan Pes Planus berdasarkan fitur jejak kaki dengan akurasi 77,81%. Namun, metode HOG memiliki tingkat akurasi yang lebih tinggi, yaitu 85,67%
Co-Authors Erviana Widia Astuti Fahreza, Rafi Achmad Fery Ferdianto Stefano Akbar