Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) JKTi - Jurnal Keilmuan Teknologi Informasi
Hidayani, Diesti
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management

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

Found 2 Documents
Search

 1 
Implementasi Deteksi Tumor Otak Menggunakan YOLOv11 dan Flask Ardiansyah, Ardiansyah; Sri Widagdo, Adika; Nuresa Qodri, Krisna; Hidayani, Diesti; Romadhani, Mustofa
JURNAL FASILKOM Vol. 15 No. 2 (2025): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v15i2.9703

Abstract

Kecerdasan buatan (AI) telah mengalami kemajuan yang sangat signifikan untuk membantu kehidupan masyarakat salah satunya adalah bidang kesehatan. Kemajuan AI didorong karena banyaknya kesalahan yang diakibatkan beberapa faktor fundamental dan tingginya permintaan dari masyarakat terhadap layanan kesehatan terus meningkat. AI juga mampu meminimalkan kesalahan diagnosa maupun pengobatan dalam praktik klinis pasien seperti deteksi tumor otak. Algoritma YOLO yang sering digunakan untuk deteksi objek karena akurasi yang tinggi. YOLO juga dapat digunakan untuk real-time diagnosa menjadi nilai tambah pada algoritma tersebut. YOLOv11 merupakan algoritma terbaru dan memiliki performa yang lebih baik dibandingkan seri sebelumnya. Meskipun begitu, tantangan terhadap keterbatasan dataset menjadi salah satu permasalahan yang perlu diselesaikan. Penelitian yang dilakukan memiliki tujuan yaitu meningkatkan jumlah dataset citra medis menggunakan Data Augmentasi dan mengintegrasikan algoritma YOLO dengan Flask untuk memberikan tampilan yang lebih baik kepada pengguna. Penelitian yang dilakukan menggunakan Data Augmentasi pada dataset menggunakan teknik Flip (Horizontal dan Vertical), 90° Rotate (Clockwise, Counter-Clockwise, Upside Down), serta penambahan Noise: Up to 1.5% of pixels. Hasilnya, diperoleh F1-score 0.951 dari 4 kelas (0.902 Glioma, 0.989 Meningioma, 0.915 Pituitary, dan 0.997 No tumor). Sehingga terbukti efektif mengatasi keterbatasan data. Selanjutnya, Integrasi YOLO dengan Flask dapat memberikan tampilan deteksi objek yang lebih baik tanpa menurunkan skor dari hasil deteksi objek tumor otak, sehingga Flask dapat dijadikan framework yang dipertimbangkan untuk pengembangan interface machine learning
Pendekatan Deep Learning untuk Deteksi Kantuk dengan YOLOv12 Hidayani, Diesti; Mustofa Romadhani; Ardiansyah, Ardiansyah
JKTI Jurnal Keilmuan Teknologi Informasi Vol 1 No 1 (2025)
Publisher : Universitas Muhammadiyah Klaten

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61902/jkti.v1i1.1681

Abstract

Drowsiness while driving is a significant contributor to traffic accidents. To mitigate such occurrences, a precise and real-time drowsiness detection system is essential. This research aims to create a computer vision-based drowsiness detection system utilizing the YOLOv12 algorithm. The dataset was sourced from Kaggle and manually annotated with the help of Roboflow. It was categorized into two groups: drowsy and non-drowsy, with the original 5,000 images augmented to a total of 6,976 images. The model training utilized the AdamW optimizer (learning rate=0.001667, momentum=0.9) over 100 epochs and a batch size of 4. Performance assessment indicates that the model attained an mAP@50 of 0.732 and an mAP@50-95 of 0.62, alongside a precision of 0.648 and a recall of 0.928. These findings illustrate that YOLOv12 can successfully identify drowsiness in real-time. Nevertheless, the performance of the model is significantly influenced by the quality and balance of the dataset. Consequently, enhancing the structure and distribution of the dataset is vital for improving detection accuracy.
Co-Authors Ardiansyah Ardiansyah Krisna Nuresa Qodri Mustofa Romadhani Romadhani, Mustofa Sri Widagdo, Adika