Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Data Sciences Indonesia (DSI)
Mahmud Husein, Amir
Unknown Affiliation
Computer Science & IT Education Physics

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

Found 2 Documents
Search

 1 
Klasifikasi Buah Guava Menggunakan Computer Vision Zizwan Putra, Adya; Harahap, Mawaddah; Mahmud Husein, Amir; Simarmata, Allwin
Data Sciences Indonesia (DSI) Vol. 3 No. 2 (2023): Article Research Volume 3 Issue 2, December 2023
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v3i2.4006

Abstract

Penelitian ini bertujuan untuk mengembangkan sebuah sistem klasifikasi buah guava menggunakan teknologi computer vision. Klasifikasi buah guava yang akurat dan otomatis dapat membantu dalam proses identifikasi buah guava yang baik kualitasnya dan dapat digunakan dalam industri pertanian, perdagangan buah-buahan, serta penelitian lanjutan. Metode yang digunakan dalam penelitian ini melibatkan beberapa langkah. Pertama, dilakukan pengumpulan data citra buah guava yang meliputi variasi jenis guava yang berbeda serta berbagai kondisi pencahayaan dan latar belakang. Data citra tersebut kemudian diolah dan dipreproses untuk mengurangi derau dan meningkatkan kualitas citra. Setelah proses ekstraksi fitur selesai, dilakukan pelatihan model klasifikasi menggunakan data citra buah guava yang telah diklasifikasikan secara manual oleh ahli. Model klasifikasi yang terlatih kemudian diuji menggunakan data citra buah guava yang belum pernah dilihat sebelumnya untuk mengukur tingkat akurasi dan performa sistem. Hasil penelitian ini diharapkan dapat menghasilkan sistem klasifikasi buah guava yang akurat dan dapat diandalkan. Dengan menggunakan teknologi computer vision, proses identifikasi buah guava dapat dilakukan secara cepat dan otomatis. Keberhasilan penelitian ini dapat memberikan kontribusi dalam meningkatkan efisiensi industri pertanian dan perdagangan buah-buahan, serta memberikan landasan bagi penelitian lebih lanjut dalam bidang pengolahan citra dan pengenalan pola.
Klasifikasi Tumor Otak pada gambar Magnetic Resonance Images (MRI) dengan Pendekatan Pembelajaran Mendalam Rudiansyah, Rahmad; Mahmud Husein, Amir
Data Sciences Indonesia (DSI) Vol. 4 No. 1 (2024): Article Research Volume 4 Issue 1, June 2024
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v4i1.4265

Abstract

Tumor otak adalah salah satu penyakit paling mematikan dan kompleks yang mempengaruhi jutaan orang di seluruh dunia, sehingga klasifikasi tumor otak yang akurat sangat penting untuk pengobatan yang efektif. Diagnosis dan pengobatan tumor otak sangat menantang, dan kurangnya diagnosis yang akurat dan tepat waktu sering kali menyebabkan hasil akhir yang buruk bagi pasien. Metode diagnostik saat ini, seperti MRI dan CT scan, seringkali tidak memadai untuk klasifikasi tumor otak secara akurat. Keputusan diagnostik sangat bergantung pada interpretasi pemindaian magnetic resonance imaging (MRI). Dalam penelitian, penerapan berbagai model CNN VGG16, Xception, MobileNet dan ResNet50 digunakan untuk klasifikasi tumor otak pada kumpulan dataset 4 kelas yaitu glioma, meningioma, notumor dan pituitary. Semua model di uji dengan berbagai percobaan eksperimental dan hasil pengujian menunjukkan bawah model Xception menghasilkan akurasi terbaik dibandingkan model lainnya.
Co-Authors Mawaddah Harahap, Mawaddah Rudiansyah, Rahmad Simarmata, Allwin Zizwan Putra, Adya