cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Hasanuddin
Contact Email
prismafisika@physics.untan.ac.id
Phone
+65895372682757
Journal Mail Official
prismafisika@physics.untan.ac.id
Editorial Address
Kantor Jurusan Fisika, Komplek Fakultas MIPA, Universitas Tanjungpura Jl. Proff. Dr. Hadari Nawawi
Location
Kota pontianak,
Kalimantan barat
INDONESIA
PRISMA FISIKA
Published by Universitas Tanjungpura
ISSN : 23378204     EISSN : -     DOI : -
Core Subject : Science, Education,
Earth & Planetary Sciences Physics Other
Jurnal ini berisi publikasi ilmiah hasil penelitian di bidang fisika baik yang bersifat teoritis maupun terapan.
Arjuna Subject : Fisika dan Astronomi - Fisika dan Astronomi (Lain-Lain)
Articles 5 Documents
 1 
Search results for , issue "Vol 11, No 3 (2023)" : 5 Documents clear
Dinamika Populasi Sistem Hybrid Semiconductor Quantum Dot – Metal Nanoshell Rindiani Rindiani; Bintoro Siswo Nugroho; Yudha Arman
PRISMA FISIKA Vol 11, No 3 (2023)
Publisher : FMIPA, Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/pf.v11i3.65091

Abstract

Telah dilakukan studi teoretis untuk menganalisis dinamika populasi dari semiconductor quantum dot (SQD) yang dihibridisasi dengan metal nanoshell (MNS). SQD dimodelkan sebagai two-level system dan respon optisnya dianalisis dengan formalisme density matrix. MNS digambarkan terdiri dari sebuah inti dielektrik yang dilapisi logam dan respon optisnya digambarkan secara klasik oleh polarisabilitasnya. Sistem dieksitasi dengan medan listrik osilatif E = E0 cos ωt. Hasil yang diperoleh menunjukkan bahwa hibridisasi SQD-MNS menyebabkan dinamika populasi SQD termodifikasi. Dinamika populasi SQD mengalami perubahan yang dapat dilihat dari semakin teredamnya osilasi Rabi ketika jarak antara SQD dan MNS semakin kecil. Amplitudo osilasi Rabi juga terlihat semakin kecil ketika jarak antara SQD dan MNS semakin dekat akibat eksitasi yang tidak efektif pada keadaan off-resonance. Selain itu, frekuensi osilasi Rabi mengalami peningkatan seiring dengan bertambahnya ketebalan shell pada MNS.
Identifikasi Penyakit COVID-19 dan Tuberkulosis Menggunakan Metode Convolutional Neural Network Arsitektur GoogLeNet Berdasarkan Citra Rontgen Thorax Abdillah, Retry Asykurani; Hasanuddin, Hasanuddin; Wahyuni, Dwiria
PRISMA FISIKA Vol 11, No 3 (2023)
Publisher : FMIPA, Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/pf.v11i3.65228

Abstract

Penelitian identifikasi penyakit COVID-19 dan tuberkulosis berdasarkan rontgen thorax dengan metode convolutional neural network (CNN) arsitektur GoogLeNet telah dilakukan untuk menganalisis dan meningkatkan nilai akurasi dari penelitian CNN GoogLeNet dalam mengidentifikasi penyakit COVID-19 dan tuberkulosis.   Data penelitian diperoleh dari situs Kaggle yang terdiri dari 700 citra COVID-19, 700 citra normal, dan 700 citra tuberkulosis. Metode CNN GoogLeNet dalam mengidentifikasi citra dimulai dari tahapan augmentasi, pelatihan, dan pengujian. Tahap augmentasi diawali dengan mengecilkan dan memotong citra hingga berukuran 224×224 piksel, membuat citra dirotasi secara acak 5⁰ dan citra dibalik posisinya secara horizontal serta citra akan digeser secara acak sebesar 0,08 berdasarkan kemiringan 0,2⁰. Tahapan pelatihan dan pengujian menggunakan hyperparameter yang terdiri atas batch size (16, 32, dan 64), epoch (10, 30, dan 50), cross entropy loss, optimizer (Adam), dan learning rate 0,0001.  Hasil penelitian menunjukkan bahwa CNN GoogLeNet mengidentifikasi penyakit berdasarkan derajat keabuan yang dimiliki oleh citra melalui proses feature learning dan classification. Derajat keabuan pada citra berkisar antara 0-255 sedangkan yang dimiliki penyakit COVID-19 dominan pada 200-255, penyakit tuberkulosis dominan pada 100-255, dan kondisi paru-paru normal dominan pada 0-100. Hasil penelitian berdasarkan proses klasifikasi pengujian menghasilkan akurasi 97% (batch size 16 dan epoch 10), 98% (batch size 16 dan epoch 30), 97% (batch size 16 dan epoch 50), 96% (batch size 32 dan epoch 10), 98% (batch size 32 dan epoch 30), 96% (batch size 32 dan epoch 50), 96% (batch size 64 dan epoch 10), 96% (batch size 64 dan epoch 30), dan 97% (batch size 64 dan epoch 50).  Kata Kunci : Citra Rontgen, CNN, COVID-19, GoogLeNet, Tuberkulosis
Prediksi Penyakit Hepatitis C dan Sirosis Hati dengan Penerapan SMOTE pada Metode Jaringan Saraf Tiruan Propagasi Balik Rajiah, Emi; Hasanuddin, Hasanuddin; Wahyuni, Dwiria
PRISMA FISIKA Vol 11, No 3 (2023)
Publisher : FMIPA, Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/pf.v11i3.65229

Abstract

Penyakit hati adalah gangguan yang menyebabkan organ hati tidak bekerja dengan normal. Penelitian ini berfokus pada penyakit hati salah satunya yaitu, hepatitis C dan sirosis hati. Proses komputerisasi digunakan untuk mempermudah dalam pengolahan data agar memperoleh hasil yang akurat dan lebih memudahkan ahli medis dalam klasifikasi, prediksi, diagnosa dan pendeteksian suatu penyakit. Tujuan penelitian ini yaitu, untuk mengetahui jaringan saraf tiruan propagasi balik dalam memprediksi penyakit hepatitis C dan sirosis hati serta mengetahui persentase nilai akurasinya. Propagasi balik (backpropagation) termasuk algoritma jaringan saraf tiruan merupakan metode yang digunakan pada penelitian ini untuk menyelesaikan tugas yang komplek dengan bantuan Synthetic Minority Oversampling Technique (SMOTE) untuk menyeimbangkan data. Prinsip yang digunakan dalam metode SMOTE ialah prinsip oversampling yaitu, dengan membangkitkan data dari kelas yang jumlahnya sedikit (minor) agar jumlahnya seimbang dengan data dari kelas yang jumlahnya banyak (mayor). Hasil prediksi pada penelitian ini dengan metode propagasi balik untuk penyakit hepatitis C dengan pengolahan menggunakan SMOTE dan tanpa SMOTE berturut-turut yaitu, sebesar 99% dan 95%, sedangkan nilai akurasi prediksi penyakit sirosis hati dengan pengolahan menggunakan SMOTE dan tanpa SMOTE berturut-turut yaitu, sebesar 85% dan 84%. Berdasarkan hasil yang diperoleh tersebut, dapat disimpukan bahwa pengolahan data dengan bantuan SMOTE memperoleh nilai akurasi lebih tinggi sehingga dapat membantu meningkatkan nilai akurasi dalam proses pelatihan dan pengujian.Kata Kunci : Hepatitis_C, Jaringan_Saraf_Tiruan, Propagasi_Balik, Sirosis_Hati, SMOTE
Identifikasi Stroke Menggunakan Metode Transfer learning Arsitektur Convolutional Neural Network Pada Citra CT-scan Kepala Waliidaturrahmaniah, Waliidaturrahmaniah; Hasanuddin, Hasanuddin; Wahyuni, Dwiria
PRISMA FISIKA Vol 11, No 3 (2023)
Publisher : FMIPA, Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/pf.v11i3.65242

Abstract

Stroke menjadi penyebab terbesar atas kecatatan dan kematian pada masyarakat Indonesia. Tingkat penderita stroke yang tertinggi di wilayah Asia Tenggara adalah Indonesia. Hal tersebut yang menjadi perhatian pada penelitian ini untuk dapat mengidentifikasi citra kepala hasil dari proses pencitraan medis yaitu CT-scan. Salah satu pemanfaatan teknologi IT dalam bidang medis adalah menggantikan fungsi kerja manusia dalam merepresentasikan hasil citra CT-scan dengan kinerja mesin. Teknologi tersebut memanfaatkan arsitektur Convolutional Neural Network (CNN) metode transfer learning. Pada penelitian ini, dataset yang akan digunakan adalah citra CT-scan kepala dari website www.kaggle.com. Beberapa variasi arsitektur yang digunakan adalah arsitektur AlexNet, VGG16, dan GoogLeNet serta variasi optimizer Stochastic Gradient Descent (SGD), AdaGrad, RMSProp, dan Adam. Hasil yang diperoleh adalah Akurasi AlexNet dengan menggunakan optimizer SGD adalah 75%, AdaGrad sebesar 93%, RMSProp menghasilkan 90%, dan Adam sebesar 85%. Hasil akurasi pada arsitektur VGG16 dengan menggunakan optimizer SGD adalah 73%, AdaGrad sebesar 88%, RMSProp menghasilkan 68%, dan Adam sebesar 91. Arsitektur GoogLeNet menghasilkan nilai akurasi dengan menggunakan optimizer SGD sebesar 65%, AdaGrad, RMSProp dan Adam masing masing menghasilkan akurasi sebesar 65%, 84%, 93% dan 85%.Arsitektur GoogLeNet dan AlexNet dengan optimizer yang berbeda yaitu AdaGrad dan RMSProp berhasil memperoleh akurasi tertinggi diantara arsitektur lainnya dengan akurasi sebesar 93%. Perbedaannya hanya waktu yang dibutuhkan kedua arsitektur ini untuk melakukan proses pelatihan yaitu 4 menit 15 detik untuk arsitektur AlexNet optimizer AdaGrad, dan 12 menit 26 detik untuk arsitektur GoogLeNet optimizer RMSProp.  Kata Kunci: Convolutional_Neural_Network_(CNN), CT-scan, Optimizer, Stroke, Transfer_learning.
Respons Sifat Fisika Tanah terhadap Penerapan Limbah Cair Pabrik Kelapa Sawit di Perkebunan Kelapa Sawit Indriyani, Feby; Ivansyah, Okto; Sutanto, Yuris
PRISMA FISIKA Vol 11, No 3 (2023)
Publisher : FMIPA, Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/pf.v11i3.65283

Abstract

Telah dilakukan penelitian untuk mengamati respons sifat fisika tanah terhadap penerapan Limbah Cair Pabrik Kelapa Sawit (LCPKS) di perkebunan kelapa sawit. Penerapan LCPKS pada perkebunan kelapa sawit menggunakan metode lubang biopori dengan kedalaman lubang 100 cm dan diameter lubang 10 cm. Lubang biopori dibuat pada 3 tanaman kelapa sawit. Pengambilan sampel tanah dilakukan sebanyak 2 kali yaitu saat sebelum penerapan LCPKS dan setelah penerapan LCPKS. Sampel tanah diambil dengan variasi kedalaman 0-30, 31-60, 61-90 dan 91-120 cm dari atas permukaan tanah. Hasil pengujian sampel tanah menunjukkan bahwa tidak terjadi perubahan yang signifikan pada massa jenis, kadar air dan porositas tanah setelah penerapan LCPKS tetapi terjadi peningkatan nilai konduktivitas listrik pada tanah. Nilai massa jenis tanah tidak menunjukkan perubahan yang signifikan akan tetapi terlihat bahwa semakin dalam lapisan tanah maka   nilai massa jenisnya meningkat. Nilai kadar air tanah terjadi sedikit perubahan berupa peningkatan nilainya namun perubahannya tidak signifikan. Pada porositas tanah juga terjadi perubahan yang tidak signifikan. Nilai konduktivitas listrik LCPKS sebelum diterapkan pada lahan yaitu 21.700 , sedangkan nilai konduktivitas awal pada tanah setelah diterapkan LCPKS berkisar 19-20  dan mencapai nilai tertinggi sebesar  yaitu pada kedalaman 91-120 cm. Tingginya nilai konduktivitas listrik pada suatu tanah dapat meningkatkan penyerapan pupuk oleh tanaman, oleh karena itu penerapan LCPKS pada perkebunan kelapa sawit sangat baik bagi tanaman kelapa sawit.Kata Kunci : Limbah Cair Pabrik Kelapa Sawit, Sifat Fisika Tanah, Biopori

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2023 2023


Reset
Filter By Issues
All Issue Vol 13, No 2 (2025) Vol 13, No 1 (2025) Vol 12, No 3 (2024) Vol 12, No 2 (2024) Vol 12, No 1 (2024) Vol 11, No 3 (2023) Vol 11, No 2 (2023) Vol 11, No 1 (2023) Vol 10, No 3 (2022) Vol 10, No 2 (2022) Vol 10, No 1 (2022) Vol 9, No 3 (2021) Vol 9, No 2 (2021) Vol 9, No 1 (2021) Vol 8, No 3 (2020) Vol 8, No 2 (2020) Vol 8, No 1 (2020) Vol 7, No 3 (2019) Vol 7, No 2 (2019) Vol 7, No 1 (2019) Vol 6, No 3 (2018) Vol 6, No 2 (2018) Vol 6, No 1 (2018) Vol 5, No 3 (2017) Vol 5, No 2 (2017) Vol 5, No 1 (2017) Vol 4, No 3 (2016) Vol 4, No 2 (2016) Vol 4, No 1 (2016) Vol 3, No 3 (2015) Vol 3, No 2 (2015) Vol 2, No 3 (2014) Vol 2, No 2 (2014) Vol 2, No 1 (2014) Vol 1, No 3 (2013) Vol 1, No 2 (2013) Vol 1, No 1 (2013) Vol 3, No 1 PEDOMAN PENULISAN NASKAH More Issue