Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Data Sciences Indonesia (DSI) Jurnal Komputer Indonesia
Kristanaya, Mirechelin
Unknown Affiliation
Computer Science & IT Education Physics

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

Found 2 Documents
Search

 1 
Classification Of Brain Tumors Using The VGG19 Method Syah, Maulidya Prastita; Kristanaya, Mirechelin; Nariswari, Naura Ulayya; Azzahra, Melinda Putri; Pratama, Alfan Rizaldy; Saputra, Wahyu S.J.
Jurnal Komputer Indonesia Vol. 3 No. 2 (2024): Desember
Publisher : LPPJPHKI Universitas Dehasen Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37676/jki.v3i2.677

Abstract

Brain tumor is one of the diseases that has a high mortality rate and requires early detection to increase the chance of cure. In recent years, artificial intelligence-based methods, especially Deep Learning, have shown promising performance in brain tumor classification using Magnetic Resonance Imaging (MRI) images. This study applies the VGG19 architecture, one of the Convolutional Neural Network (CNN) models, to classify brain tumor types based on MRI images. The model is trained with data that has gone through augmentation and contrast enhancement processes to improve image quality before classification. The experimental results show that the VGG19 method is able to achieve high accuracy in brain tumor classification. These findings confirm the effectiveness of VGG19 in automatically detecting brain tumors and can be a supporting solution for medical personnel in performing early diagnosis.
Klasifikasi Status Rujukan Pasien Poliklinik Bandara Berbasis Random Forest dan Interpretabilitas Model Menggunakan SHAP Kristanaya, Mirechelin; Melinda Putri Azzahra; Trimono; Mohammad Idhom
Data Sciences Indonesia (DSI) Vol. 5 No. 1 (2025): Article Research Volume 5 Issue 1, June 2025
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v5i1.6078

Abstract

Transformasi digital di sektor kesehatan Indonesia masih menghadapi ketimpangan implementasi, di mana fasilitas kesehatan primer seperti poliklinik bandara tertinggal dalam adopsi Artificial Intelligence (AI), sementara sistem rujukan manual yang berlaku rentan terhadap kesalahan subjektif dan ketidakefisienan terutama dalam lingkungan dinamis bandara dengan pasien berisiko tinggi dan waktu respons kritis. Penelitian ini mengembangkan solusi berbasis Random Forest yang diintegrasikan dengan SHapley Additive exPlanations (SHAP) untuk mengklasifikasi status rujukan pasien ke dalam dua kelas target: “Dirujuk” (memerlukan penanganan lanjutan) dan “Tidak Dirujuk” (dapat ditangani di tempat), secara akurat dan terinterpretasi. Metode ini dipilih karena kemampuannya menangani data multivariat dan tidak seimbang, serta menyediakan penjelasan transparan melalui nilai SHAP. Analisis dilakukan pada 374 rekam medis poliklinik Bandara Juanda dengan fitur utama seperti usia, tanda vital, dan status pasien. Hasil menunjukkan akurasi 94,59% dan AUC 0,91, dengan recall sempurna (100%) untuk kelas dirujuk, meski precision-nya masih rendah (43%) akibat ketidakseimbangan data (hanya 15 kasus dirujuk vs 359 tidak dirujuk). Interpretasi SHAP mengungkap usia sebagai faktor dominan dalam pembedaan kedua kelas, diikuti nadi dan status pasien. Inovasi penelitian terletak pada kombinasi Random Forest-SHAP untuk konteks bandara yang belum banyak dieksplorasi, serta desain antarmuka yang sesuai alur kerja klinis. Temuan ini mendukung percepatan AI-assisted triage di fasilitas primer, dengan rekomendasi penggunaan resampling atau threshold adjustment untuk optimasi lebih lanjut. Implementasi sistem ini berpotensi mengurangi waktu rujukan hingga 40% dan menjadi model replikasi untuk layanan kesehatan berorientasi mobilitas tinggi.
Co-Authors Azzahra, Melinda Putri Melinda Putri Azzahra Mohammad Idhom Nariswari, Naura Ulayya Pratama, Alfan Rizaldy Saputra, Wahyu S.J. Syah, Maulidya Prastita Trimono