Article Per Year (5 Year)
p-Index From 2021 - 2026
1.126
P-Index
This Author published in this journals
All Journal Jurnal Imejing Diagnostik PREPOTIF : Jurnal Kesehatan Masyarakat Jurnal Kesehatan Tambusai Jurnal Radiografer Indonesia Journal of Innovation Research and Knowledge NUSANTARA: Jurnal Pengabdian Kepada Masyarakat International Journal of Health Science and Technology
Anisa Nur Istiqomah
Universitas Aisyiyah Yogyakarta
Humanities Dentistry Economics, Econometrics & Finance Education Engineering Health Professions Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Nursing Public Health Social Sciences

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Journal of Innovation Research and Knowledge

 1 
ANALISIS KUALITAS CITRA DIGITAL RADIOGRAPHY ABDOMEN NON-KONTRAS BERDASARKAN NILAI SNR DAN CNR DENGAN TEKNIK PENGOLAHAN CITRA PHYTON Ridho Hadi Nugraha; Anshor Nugroho; Anisa Nur Istiqomah
Journal of Innovation Research and Knowledge Vol. 5 No. 5 (2025): Oktober 2025
Publisher : Bajang Institute

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

Abstract

Background: Non-contrast abdominal radiography is an important diagnostic procedure in radiology for detecting abnormalities in the abdominal organs. Image quality is evaluated through the Signal-to-Noise Ratio (SNR) and Contrast-to-Noise Ratio (CNR) to measure the signal-tonoise ratio and the ability to distinguish contrast between anatomical structures. Image processing using Python allows for improved image quality at low exposures, in line with the ALARA (As Low As Reasonably Achievable) principle of minimizing radiation dose without compromising diagnostic accuracy. However, studies on optimizing non-contrast abdominal images using this technique are still limited, particularly in reducing the effects of scattered radiation on thick objects such as the abdomen. Methods: This study employed a quantitative experimental approach. An adult abdominal phantom was used. The study was conducted in the Radiology Laboratory of Universitas ‘Aisyiyah Yogyakarta, from March 2025 to May 2025. Data collection was conducted through documentation and processing using Python on Google Colab. The SNR and CNR values of noncontrast abdominal images before and after image enhancement were calculated using Non-Local Means (NLM) and Histogram Equalization (HE). The Shapiro-Wilk normality test and paired sample t-test were then performed. Results: The calculated SNR value increased from an average of 8.73 to 11.66, and the CNR increased from an average of 1.69 to 4.28. The data were normally distributed (p>0.05), and there was a significant difference in SNR (p=0.0019) and CNR (p=0.0003) before and after enhancement (p<0.05). Conclusion: Based on the results of this study, image processing using Python effectively improves the quality of non-contrast abdominal radiographic images at low exposures, supporting diagnostic accuracy and reducing radiation dose.
ANALISIS KUALITAS CITRA SNR DAN CNR PADA PEMERIKSAAN MANUS DENGAN MENGGUNAKAN PHYTON Rida Amila; Amril Mukmin; Anisa Nur Istiqomah
Journal of Innovation Research and Knowledge Vol. 5 No. 5 (2025): Oktober 2025
Publisher : Bajang Institute

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

Abstract

Latar Belakang: Kualitas citra radiografi memiliki peran penting dalam menunjang ketepatan diagnosis, terutama pada pencitraan bagian tubuh dengan struktur kompleks seperti manus. Penilaian kualitas citra dapat dilakukan secara objektif menggunakan parameter Signal to Noise Ratio (SNR) dan Contrast to Noise Ratio (CNR). Penelitian ini bertujuan untuk menganalisis peningkatan kualitas citra radiografi manus berdasarkan nilai SNR dan CNR setelah dilakukan pengolahan menggunakan filter Gaussian melalui bahasa pemrograman Python. Metode: Penelitian ini menggunakan pendekatan kuantitatif eksperimental dengan data berupa 10 citra radiografi manus format DICOM dari Instalasi Radiologi RSUD Panembahan Senopati Bantul. Citra diolah menggunakan Python melalui Google Colab dengan tahapan unggah data, penghubungan ke Google Drive, pemilihan ROI secara manual, penerapan filter Gaussian, dan perhitungan nilai mean, standar deviasi, noise, SNR, serta CNR. Nilai-nilai tersebut dibandingkan sebelum dan sesudah pengolahan untuk menilai peningkatan kualitas citra. Hasil: pengolahan citra dengan filter Gaussian secara signifikan meningkatkan kualitas citra radiografi manus. Nilai SNR meningkat sebesar 35,90%, dari 78 menjadi 106, yang mengindikasikan perbandingan sinyal terhadap gangguan noise menjadi lebih baik. CNR juga mengalami peningkatan sebesar 3,30%, dari 6 menjadi 6,198, menunjukkan bahwa objek dan latar belakang citra menjadi lebih mudah dibedakan. Nilai noise menurun sebesar 36,75%, dari 2 menjadi 1,264, yang berarti noise pada citra berhasil ditekan. Terjadi peningkatan pada nilai mean intensity sebesar 0,68%, dari 119 menjadi 119,805, serta penurunan standar deviasi intensitas sebesar 5,23%, dari 14 menjadi 13,267. Kesimpulan: Pengolahan citra radiografi manus menggunakan filter Gaussian dalam program Python terbukti dapat meningkatkan kualitas citra secara kuantitatif, terutama dalam hal kontras dan kejernihan tampilan struktur. Pendekatan ini dapat menjadi alternatif praktis dalam analisis citra radiografi digital tanpa harus mengubah parameter eksposi. Pengembangan kedepan disarankan program dilengkapi tampilan interaktif DICOM viewer agar pemilihan ROI lebih cepat serta otomatis ROI dengan deteksi objek untuk meningkatkan akurasi dan konsisten
Co-Authors Amril Mukmin Anisa Nur Istiqomah Anshor Nugroho Asih Puji Utami Asih Puji Utami Ayunni, Erlyana Eka Candra Azizah Azizah Desinta, Vina Hermina Sukmaningtyas Justhika Anggriani Luthfi Rusyadi Mahanani, Ayu Manangin, Nadiya Ma’ruf, Muhammad Alwan Nasokha, Ildsa Maulidya Mar’atus Rida Amila Ridho Hadi Nugraha Sofie Nornalita Dewi Zen, Taufiq Fachruddin