Article Per Year (5 Year)
p-Index From 2020 - 2025
1.116
P-Index
This Author published in this journals
All Journal Journal of System and Computer Engineering Sentra Dedikasi: Jurnal Pengabdian Masyarakat Journal Pharmacy and Application of Computer Sciences Advances in Computer System Innovation Journal (ACSI Journal)
Iskandar, Imran
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Computer Science & IT Decision Sciences, Operations Research & Management Education Medicine & Pharmacology Public Health Social Sciences

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Advances in Computer System Innovation Journal (ACSI Journal)

 1 
KLASIFIKASI PENYAKIT MALARIA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK Aziz, Firman; Iskandar, Imran; Armansyah, M Rezky
Advances in Computer System Innovation Journal Vol. 2 No. 1: April 2024, ACSI Journal
Publisher : Unit Publikasi Ilmiah Perkumpulan Intelektual Madani Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51577/acsijournal.v2i1.518

Abstract

Penelitian ini mengembangkan model Convolutional Neural Network (CNN) untuk mendeteksi infeksi malaria dari gambar mikroskopis darah. Dataset "Cell Images for Malaria Detection" digunakan dan dibagi menjadi data pelatihan, validasi, dan pengujian, dengan augmentasi data melalui ImageDataGenerator untuk meningkatkan variasi dan kemampuan generalisasi model. Pelatihan model dilakukan dengan callback 'EarlyStopping' untuk menghindari overfitting dan mengoptimalkan waktu pelatihan, sehingga model berhenti lebih awal saat tidak ada peningkatan signifikan pada validasi loss. Hasil penelitian menunjukkan akurasi tinggi antara 0.9482 hingga 0.9595 dan nilai loss yang rendah, dengan konvergensi dalam 3 hingga 6 epoch. Evaluasi menggunakan dataset validasi memastikan bahwa model dapat memprediksi dengan akurat pada data yang belum pernah dilihat sebelumnya. Model ini menunjukkan potensi besar sebagai alat bantu diagnosis otomatis malaria yang cepat dan andal, terutama di daerah dengan keterbatasan sumber daya medis, sehingga dapat membantu mengurangi angka kematian dan morbiditas akibat malaria. Dengan demikian, penelitian ini memberikan kontribusi signifikan dalam upaya global untuk mengendalikan dan memberantas malaria.
Co-Authors Ahyana, Nurul Armansyah, M Rezky Fadliana, Nurul Firman Aziz Herianto, Dedy Iriany, Rosary Ishak, Pertiwi Jeffry Jeffry La Wungo, Supriyadi Mardewi, Mardewi Nur Hamdani Nur Panggabean, Benny Leonard Panggabean, Benny Leonard Enrico Rimalia, Watty Sofyan Sofyan Tenriana, Nuzul