Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Building of Informatics, Technology and Science eProceedings of Applied Science
Bela, Ar Ainun
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Electrical & Electronics Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Comparative Analysis of CNN and SVM Algorithms for Pneumonia Classification from Chest X-Ray Images Bela, Ar Ainun; Lhaksmana, Kemas M
Building of Informatics, Technology and Science (BITS) Vol 7 No 1 (2025): June (2025)
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bits.v7i1.7335

Abstract

Pneumonia significantly threatens human health, especially in children and the elderly. Diagnosing pneumonia using chest radiographs is time consuming and requires expert interpretation. This study proposes a comparative analysis of two algorithm models, namely Support Vector Machine (SVM) and Convolutional Neural Network (CNN), in CNN algorithm, it specifically uses DenseNet121 and InterceptionV3 architectures for the classification of chest X-ray images in pneumonia and normal categories. The methods used include data preprocessing with normalization and augmentation. The dataset is split into training and testing subsets, and implementation of SVM and CNN algorithms for classification. Kaggle provided the dataset for this study, comprising 5,863 chest X-ray images. Metrics such as accuracy, precision, recall, and F1-score calculated from the confusion matrix were used to evaluate the model’s effectiveness. The test findings show that the DenseNet121 model has the best performance among the three models, with an accuracy, recall, and F1-score of 94%. The InceptionV3 model achieved 89% in accuracy, recall, and F1-score, which is higher than DenseNet121. Meanwhile, the SVM model showed the lowest performance with an accuracy of 81%, precision of 85%, recall of 81%, and F1-score of 79%. These outcomes signifies that Convolutional Neural Network (CNN) architectures, particularly DenseNet121, have superior capabilities in extracting complex features from chest X-ray images and show great potential to be applied in automatic and accurate pneumonia detection systems.
Bank Sampah : Aplikasi Bank Sampah Berbasis Android Athallah, Muhammad Giant Nuzul; Bela, Ar Ainun; Maulid, Hariandi
eProceedings of Applied Science Vol. 10 No. 1 (2024): Februari 2024
Publisher : eProceedings of Applied Science

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

Abstract

Abstrak — Bank Sampah adalah sebuah tempat pengumpulan sampah yang telah dipilah dan diolah menjadi barang kerajinan tangan. Konsep Bank Sampah merupakan strategi efektif dalam meningkatkan kesadaran masyarakat tentang pentingnya memperlakukan sampah dengan bijak dan memperoleh manfaat ekonomi langsung dari sampah. Namun, masih terdapat permasalahan dalam pengelolaan Bank Sampah. Oleh karena itu, kami memperkenalkan sebuah aplikasi berbasis android yang dirancang untuk membantu operator dalam mengoperasikan Bank Sampah secara lebih efektif dan efesien. Aplikasi yang kami rancang ditujukan bagi masyarakat yang memiliki usaha Bank Sampah atau toko barang bekas sepaket dengan aplikasi pelanggan. Aplikasi ini dapat membantu penginputan data penyetor dengan lebih mudah, sehingga pencatatan data akan tersimpan secara otomatis pada riwayat aplikasi. Serta pelaporan realtime kepada para pelanggannya. Dengan adanya aplikasi ini, sistem pengoperasian Bank Sampah dapat berjalan dengan lebih baik dan memperoleh penghasilan yang maksimal. Melalui aplikasi ini, diharapkan operator dapat dengan mudah mengoperasikan Bank Sampah dan memanfaatkan sampah sebagai sumber daya ekonomi yang bernilai. Dengan demikian, konsep Bank Sampah dapat menjadi salah satu solusi untuk mengatasi permasalahan sampah di masa depan, dan berkontribusi pada pembangunan masyarakat yang berkelanjutan.Kata kunci— Bank sampah, Sampah, Kotlin, Android Studio
Bank Sampah: Aplikasi Bank Sampah Berbasis Android Bela, Ar Ainun; Nuzul A, Muh. Giant; Maulid, Hariandi
eProceedings of Applied Science Vol. 10 No. 1 (2024): Februari 2024
Publisher : eProceedings of Applied Science

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

Abstract

Abstrak — Bank Sampah adalah sebuah tempat pengumpulan sampah yang telah dipilah dan diolah menjadi barang kerajinan tangan. Konsep Bank Sampah merupakan strategi efektif dalam meningkatkan kesadaran masyarakat tentang pentingnya memperlakukan sampah dengan bijak dan memperoleh manfaat ekonomi langsung dari sampah. Namun, masih terdapat permasalahan dalam pengelolaan Bank Sampah. Oleh karena itu, kami memperkenalkan sebuah aplikasi berbasis android yang dirancang untuk membantu operator dalam mengoperasikan Bank Sampah secara lebih efektif dan efesien. Aplikasi yang kami rancang ditujukan bagi masyarakat yang memiliki usaha Bank Sampah atau toko barang bekas sepaket dengan aplikasi pelanggan. Aplikasi ini dapat membantu penginputan data penyetor dengan lebih mudah, sehingga pencatatan data akan tersimpan secara otomatis pada riwayat aplikasi. Serta pelaporan realtime kepada para pelanggannya. Dengan adanya aplikasi ini, sistem pengoperasian Bank Sampah dapat berjalan dengan lebih baik dan memperoleh penghasilan yang maksimal. Melalui aplikasi ini, diharapkan operator dapat dengan mudah mengoperasikan Bank Sampah dan memanfaatkan sampah sebagai sumber daya ekonomi yang bernilai. Dengan demikian, konsep Bank Sampah dapat menjadi salah satu solusi untuk mengatasi permasalahan sampah di masa depan, dan berkontribusi pada pembangunan masyarakat yang berkelanjutan.Kata kunci— Bank sampah, Sampah, Kotlin, Android Studio
Co-Authors Athallah, Muhammad Giant Nuzul Hariandi Maulid Lhaksmana, Kemas M Nuzul A, Muh. Giant