Article Per Year (5 Year)
p-Index From 2019 - 2024
4.575
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer Jurnal Sains dan Teknologi EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika Sistemasi: Jurnal Sistem Informasi Jurnal Teknologi dan Sistem Komputer Jurnal Abdimas BSI: Jurnal Pengabdian Kepada Masyarakat Jurnal Informatika Swabumi (Suara Wawasan Sukabumi) : Ilmu Komputer, Manajemen, dan Sosial Jurnal Pilar Nusa Mandiri JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Nasional Komputasi dan Teknologi Informasi Jurnal Tekno Insentif Jurnal Responsif : Riset Sains dan Informatika Jurnal Ilmiah Teknik Informatika dan Komunikasi
Toni Arifin
Uniersitas Adhirajasa Reswara Sanjaya
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Library & Information Science Social Sciences

Published : 45 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 45 Documents
Search

 1   2   3   4   5 
Optimasi Metode Klasifikasi Dengan Menggunakan Particle Swarm Optimization Untuk Identifikasi Penyakit Diabetes Retinopathy Arifin, Toni; Herliana, Asti
Khazanah Informatika Vol. 4 No. 2 Desember 2018
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v4i2.6825

Abstract

Penyakit diabetic retinopathy, merupakan salah satu jenis penyakit yang bermula dari diabetes mellitus. Hingga dewasa ini, penyakit diabetic retinopathy masih sulit untuk dikenali pada tahap awal. Hal ini dimungkinkan karena sifat dari penyakit ini yang menyerang bagian dalam sistem saraf mata terlebih dulu. Hingga saat ini, para ahli masih mengandalkan pemeriksaan dengan menggunakan serangkain tes pada mata serta memeriksa rekam medis dari pasien. Metode yang digunakan hingga saat ini, selain tentunya memerlukan proses yang panjang juga menghabiskan biaya yang tidak murah. Hal ini dapat menyulitkan penderita dengan kondisi ekonomi lemah. Penelitian yang dilakukan kali ini, bermaksud untuk mendapatkan metode klasifikasi terbaik yang dapat menghasilkan tingkat akurasi yang tinggi bila dikombinasikan dengan metode Particle Swarm Optimization (PSO). Setelah didapatkan metode klasifikasi terbaik, maka dikemudian hari penelitian ini dapat dikembangkan menjadi sebuah perangkat lunak pendeteksi diabetic retinopathy. Dari penelitian yang dilakukan dapat disimpulkan bahwa metode Neural Network (NN) merupakan metode terbaik dalam menghasilkan akurasi yang tinggi bila dikombinasikan dengan metode pemilihan fitur PSO.
IMPLEMENTASI GREEDY FORWARD SELECTION UNTUK PREDIKSI METODE PENYAKIT KUTIL MENGGUNAKAN DECISION TREE Fitriyani, Fitriyani; Arifin, Toni
JST (Jurnal Sains dan Teknologi) Vol 9, No 1 (2020)
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (291.575 KB) | DOI: 10.23887/jst-undiksha.v9i1.24896

Abstract

Penyakit kutil dapat ditangani dengan berbagai metode seperti cryotherapy dan  immunotherapy, akan tetapi dokter belum mengetahui metode pengobatan yang paling tepat untuk pasien, sehingga diperlukan pengujian agar dapat diketahui metode yang paling tepat untuk pasien. Penelitian ini menggunakan dataset cryotherapy dan immunotherapy dengan menggunakan algoritma klasifikasi Decision Tree. Pada dataset ini terdapat atribut atau fitur yang tidak relevan sehingga dilakukan seleksi fitur menggunakan Greedy Forward Selection. Hasil penelitian ini akan dilakukan perbandingan kinerja dari algoritma Decision Tree tanpa seleksi fitur Greedy Forward Selection dengan Decision Tree yang di integrasikan pada seleksi fitur Greedy Forward Selection dan pemilihan metode pengobatan penyakit kutil yang terbaik.
PENERAPAN WORD N-GRAM UNTUK SENTIMENT ANALYSIS REVIEW MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (STUDI KASUS: APLIKASI SAMBARA) Fitriyani Fitriyani; Toni Arifin
Sistemasi: Jurnal Sistem Informasi Vol 9, No 3 (2020): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1063.828 KB) | DOI: 10.32520/stmsi.v9i3.954

Abstract

ABSTRACTSambara application is an innovation from Bapenda West Java for motor vehicle tax services. The Sambara application expected can be provide efficiency, effectiveness and service improvement. The success of the application can be determined by conducting a sentiment review analysis. Sentiment analysis aims to detect polarity in the text in the form of negative or positive opinions, using text mining. At the text processing stage, the Word N-Gram feature is added as a word identification approach and for classification it uses the Support Vector Machine (SVM) method. This study aims to determine the application of Word N-Gram, the results of the accuracy value using the SVM method, and find out how much influence the application of Word N-Gram on the accuracy value. The highest accuracy value in this research was 89.00% with AUC value of 0.944 (excellent classification) on the amount of data 900, but when uses Bi-gram and Tri-gram results in a decrease in accuracy. The accuracy value with the highest increase is in the application of tri-grams with the amount of 1,200 data. Increase in accuracy value by 0.92% compared to Uni-Gram to 88.59% with AUC value of 0.95.Keywords: analysis sentiment, text mining, word n-gram, support vector machine (SVM).ABSTRAKAplikasi Sambara merupakan inovasi dari Bapenda Jabar untuk pelayanan pajak kendaraan bermotor. Aplikasi Sambara diharapkan memberikan efesiensi, efektifitas, dan perbaikan pelayanan. Keberhasilan aplikasi dapat diketahui dengan melakukan analysis sentiment review. Analysis sentiment bertujuan untuk mendeteksi polaritas di dalam teks berupa opini negatif atau positif., dengan menggunakan text mining. Pada tahapan text processing ditambahkan fitur Word N-Gram sebagai pendekatan identifikasi kata dan untuk klasifikasinya menggunakan metode Support Vector Machine (SVM). Penelitian ini bertujuan untuk mengetahui penerapan Word N-Gram, hasil nilai akurasi dengan menggunakan metode SVM, dan mengetahui seberapa besar pengaruh penerapan Word N-Gram terhadap nilai akurasi. Hasil nilai akurasi tertinggi pada penelitian ini sebesar 89.00% dengan nilai AUC 0.944 (excellent classification) pada jumlah data 900, namun saat dilakukan penerapan Bi-gram dan Tri-gram menghasilkan penurunan akurasi. Nilai akurasi dengan kenaikan tertinggi yaitu pada penerapan Tri-gram dengan jumlah data 1.200. Kenaikan nilai akurasi sebesar 0.92% dibandingkan dengan Uni-Gram menjadi 88.59% dengan nilai AUC 0.954.Kata Kunci: analysis sentiment, text mining, word n-gram, support vector machine (SVM)
Penilaian Risiko Data Sistem Informasi Manajemen Puskesmas dan Aset Menggunakan ISO 27005 Tyas Widyani Pratiwi; Toni Arifin
Sistemasi: Jurnal Sistem Informasi Vol 10, No 1 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (626.51 KB) | DOI: 10.32520/stmsi.v10i1.995

Abstract

AbstrakSistem Informasi Manajemen Puskesmas atau SIMPUS merupakan sistem informasi manajemen yang digunakan oleh staf Puskesmas Pasir Putih guna menyediakan layanan kesehatan kepada masyarakat. Keberadaan SIMPUS sangat mendukung kegiatan pelayanan kesehatan. Namun ada permasalahan pada sistem informasi puskesmas dalam pelayanan pasien, pada komputer terkena virus sehingga SIMPUS tidak bisa digunakan sementara. Penelitian ini dilakukan untuk penilaian risiko terhadap kemungkinan ancaman dan risiko yang muncul menggunakan ISO 27005. Hasil penelitian dari penilaian risiko rata-rata risiko sedang dan risiko tinggi masih kecil pada ancaman yang mungkin terjadi dan penanganan risiko dari 30 skenario ancaman yang mungkin terjadi yaitu, risk modification (RM) 20 skenario, risk Avoidance (RA) 3 skenario dan risk sharing (RS) 7 skenario. Rekomendasi untuk penanganan risiko pada Puskesmas Pasir Putih yaitu perlu adanya kebijakan dan aturan dari kepala puskesmas terhadap aset utama aplikasi SIMPUS untuk pengolahan, penghapusan dan output data SIMPUS. Dilakukan pelatihan terhadap pengelola dan pengguna aplikasi SIMPUS. Penambahan keamanan, pemeliharaan dan kontrol pada aset pendukung dan menambah kebutuhan yang diperlukan.Kata Kunci: ISO 27005, Puskesmas Pasir Putih, Penilaian Risiko AbstractSistem Informasi Manajemen Puskesmas or SIMPUS is a health center management information system that is used by Puskesmas Pasir Putih staff to provide health care services for citizens. SIMPUS have supported health care service. But, there is a problem in patient service when virus computer attack SIMPUS. This incident caused SIMPUS cannot be used temporarily. This research was conducted to assess the risk of possible threats and risks that arise using ISO 27005. The result shown that the average risk assessment of moderate risk and high risk were still small on the threats that might occur, and the risk management of 30 possible threat can be occurred such as risk modification (RM) 20 scenarios, risk Avoidance (RA) 3 scenarios and risk sharing (RS) 7 scenarios. There are several recommendations for risk management at Puskesmas Pasir Putih. Policies and rules need to be made by the head of Puskesmas to maintain the main assets of SIMPUS application for processing, deleting and outputing the SIMPUS data. Doing training for maintainers and simpus application users, increasing security, maintaining and controlling to support assets and increasing need. Keywords: ISO 27005, Puskesmas Pasir Putih, Risk Assessment
Klasifikasi Pasien Kanker Payudara Menggunakan Metode Support Vector Machine dengan Backward Elimination Rina Resmiati; Toni Arifin
Sistemasi: Jurnal Sistem Informasi Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (19.997 KB) | DOI: 10.32520/stmsi.v10i2.1238

Abstract

AbstrakKanker payudara merupakan tumor ganas yang tumbuh pada sel-sel payudara dan dapat menyebar di antara jaringan atau organ di sekitar payudara dan berpindah ke bagian tubuh lainnya. Jika deteksi kanker dilakukan sejak dini, memungkinkan dilakukan penanganan yang lebih baik dan timbulnya sel-sel kanker dapat diatasi dengan segera dan dihentikan penyebarannya. Untuk membantu meningkatkan kemampuan pendeteksian otomatis dapat digunakan teknik machine learning dengan metode klasifikasi. Salah satu metode klasifikasi yang dapat digunakan yaitu metode Support Vector Machine. Pada penelitian ini, metode Support Vector Machine diterapkan pada Breast Cancer Coimbra Data Set.  Penerapan Backward Elimination bertujuan untuk mengoptimalkan performa suatu model dengan sistem kerja pemilihan mundur dan memilih atribut yang paling relevan pada proses klasifikasi. Hasil penelitian klasifikasi pasien kanker payudara menggunakan metode Support Vector Machine menghasilkan nilai akurasi sebesar 65,22% dan nilai AUC sebesar 0,700 yang termasuk ke dalam kategori Fair Classification. Sedangkan hasil penelitian klasifikasi pasien kanker payudara menggunakan metode Support Vector Machine dengan Backward Elimination menghasilkan nilai akurasi sebesar 95,65% dan nilai AUC sebesar 1,000 yang termasuk ke dalam kategori Excellent Classification. Kata Kunci: backward elimination, kanker payudara, klasifikasi, support vector machine AbstractBreast cancer is a malignant tumor that grows on the cells of the breast and can spread between tissues or organs around the breast and move to other parts of the body. If the detection of cancer is done early, it is possible to do better treatment and the emergence of cancer cells can be treated immediately and stopped spreading. To help improve automatic detection capabilities, machine learning techniques with classification methods can be used. One of the classification methods that can be used is the Support Vector Machine method. In this study, the Support Vector Machine method was applied to the Breast Cancer Coimbra Data Set. The application of Backward Elimination aims to optimize the performance of a model with a backward selection work system and select the most relevant attributes in the classification process. The results of the classification study of breast cancer patients using the Support Vector Machine method resulted in an accuracy value of 65.22% and an AUC value of 0.700 which was included in the Fair Classification category. Meanwhile, the results of the classification research of breast cancer patients using the Support Vector Machine method with Backward Elimination resulted in an accuracy value of 95.65% and an AUC value of 1,000 which is included in the Excellent Classification category. Keywords: backward elimination, breast cancer, classification, support vector machine
Penentuan Penanganan Persalinan Caesar dengan Neural Network dan Particle Swarm Optimization Insan Cahya Setia; Toni Arifin
Sistemasi: Jurnal Sistem Informasi Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (663.661 KB) | DOI: 10.32520/stmsi.v10i2.1235

Abstract

AbstrakPersalinan caesar merupakan suatu tindakan operatif pada ibu bersalin dengan melakukan insisi pada kulit, dinding perut dan dinding rahim untuk menyelamatkan ibu serta bayi. Tindakan caesar dilakukan jika sang ibu tidak dapat melahirkan secara normal yang disebabkan oleh suatu indikasi tertentu. Untuk mengurangi resiko persalinan pada ibu dan bayi, perlu dilakukan pemeriksaan kondisi calon pasien caesar, maka dapat dilakukan penerapan dan pemanfaatan teknik data mining guna meminimalisir kesalahan dalam pemeriksaan. Klasifikasi yaitu salah satu poin penting dalam data mining atau pembelajaran mesin. Klasifikasi merupakan suatu pengelompokan data dimana data tersebut memiliki kelas label atau target. Salah satu metode data mining untuk masalah klasifikasi yang bisa implementasikan yaitu Neural Network. Untuk meningkatkan hasil akurasi penelitian, maka dapat digunakan pembobotan atribut menggunakan Particle Swarm Optimization. Pada penelitian yang dilakukan, teknik klasifikasi metode Neural Network dan Particle Swarm Optimization diterapkan pada Caesarian Section Classification Dataset. Setelah penelitian selesai dilakukan, diperoleh hasil akurasi menggunakan Neural Network mencapai 87.50% dengan nilai Area Under Curve (AUC) yaitu 1.000. Kemudian hasil akurasi menggunakan Neural Network berbasis Particle Swarm Optimization mengalami peningkatan sebesar 6.25% dengan akurasi mencapai 93.75% dan Area Under Curve (AUC) yaitu 0.913.Kata kunci: Bobot, Klasifikasi, Neural Network, Particle Swarn Optimization, Penanganan Caesar             AbstractCaesarean is an operative action on the mother by giving an incision in the skin, abdominal wall and uterine wall to save the mother and baby. Caesarean section is performed if the mother is unable to give birth normally due to a certain indication. To reduce the risk of childbirth to the mother and baby, it is necessary to examine the condition of prospective caesarean patients, so the application and utilization of data mining techniques can be done to minimize errors in the examination. Classification is one of the important points in data mining or machine learning. Classification is a grouping of data where the data has a label or target class. One of the data mining methods for classification problems that can be implemented is the Neural Network. To improve the results of research accuracy, attribute weighting can be used using Particle Swarm Optimization. In the research conducted, the classification technique of Neural Network method and Particle Swarm Optimization is applied to the Caesarian Section Classification dataset. After the research was completed, the accuracy of using the Neural Network was 87.50% with Area Under Curve (AUC) is 1.000. Then the accuracy of using Neural Network based on Particle Swarm Optimization has increased by 6.25% with an accuracy reaching 93.75% and Area Under Curve (AUC) is 0.913.Keywords: Caesarian Section Delivery, Classification, Neural Network, Particle Swarn Optimization, Weight.
Manajemen Usaha Serta Pemanfaatan Sosial Media Bagi UMKM Baso Malang Campur SariManajemen Usaha Serta Pemanfaatan Sosial Media Bagi UMKM Baso Malang Campur Sari Rizal Rachman; Hendi Suhendi; Mayya Nurbayanti Shobary; Toni Arifin; Adi Suparwo; Dwi Ariyandi
Jurnal Abdimas BSI: Jurnal Pengabdian Kepada Masyarakat Vol 1, No 1 (2018): Jurnal Pengabdian kepada Masyarakat
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (383.119 KB) | DOI: 10.31294/jabdimas.v1i1.3141

Abstract

AbstrakKegiatan pengabdian kepada masyarakat yang dilakukan oleh tim dari Universitas BSI telah memberikan manfaat kepada salah satu Usaha Mikro, Kecil dan Menengah (UMKM) khususnya di Kota Bandung yaitu pada perusahaan Baso Malang Campur Sari. Kendala – kendala yang kami peroleh mengenai pengaturan sumber daya manusia yang tidak optimal, pembukuan tidak rapih serta pemasaran masih menggunakan media motoris yang belum meluas. Sample yang kita ambil sebanyak 20 orang terdiri dari 1 orang kepala produksi, 5 orang Operasional produksi dan 14 orang tenaga pemasaran yang menggunakan motor yang sudah disediakan oleh pemilik UMKM. Tujuan dari kegiatan ini yaitu untuk memberikan pembinaan mengenai manajemen usaha perusahaan dan memberikan pelatihan dalam hal meningkatkan kemampuan dan pengetahuan pengurus UMKM mengenai teknologi informasi yaitu melalui aplikasi sosial media. Metode yang diterapkan dalam kegiatan ini adalah pelatihan, pendampingan manajemen, penerapan & penggunaan sistem informasi untuk pemasaran. Hasil dari kegiatan yaitu diharapkan efektifitas dan efisiensi kinerja dapat meningkat, adanya peningkatan pendapatan dan dengan adanya teknologi informasi sehingga wilayah pemasaran dapat lebih meluas. Kata Kunci: Manajemen Usaha, Sosial Media, UMKM AbstractCommunity service activities undertaken by a team from BSI University has provided benefits to one of Micro, Small and Medium Enterprises (MSMEs), especially in the city of Bandung, namely the company of Baso Malang Campur Sari. Constraints - constraints that we get about the setting of human resources are not optimal, bookkeeping neat and marketing still use the media that has not been widespread motor. Sample that we take as many as 20 people consists of 1 head of production, 5 people Production operations and 14 people marketing personnel who use the motor that has been provided by the owners of SMEs. The purpose of this activity is to provide guidance on the company's business management and provide training in terms of improving the skills and knowledge of MSME management of information technology through social media applications. The methods applied in this activity are training, management assistance, implementation & use of information systems for marketing. The results of the activity is expected to be effectiveness and efficiency of performance can increase, the increase in income and with the existence of information technology so that the marketing area can be more widespread. Keyword: Business management, Social Media, SMEs
Strategi Pengembangan Usaha Pada UMKM Baju Bayi Indra Collection Adi Suparwo; Hendi Suhendi; Rizal Rachman; Toni Arifin; Mayya Nurbayanti Shobary
Jurnal Abdimas BSI: Jurnal Pengabdian Kepada Masyarakat Vol 1, No 2 (2018): Jurnal Pengabdian Kepada Masyarakat
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (380.215 KB) | DOI: 10.31294/jabdimas.v1i2.3734

Abstract

AbstrakModal masih menjadi masalah utama dalam suatu usaha. Kemajuan suatu usaha ditentukan oleh seberapa besar modal yang dimiliki. Semakin besar modal yang dimiliki maka semakin besar peluang usaha tersebut untuk memperoleh keuntungan yang berdampak pada perkembangan usaha. Tujuan dari penelitian ini adalah untuk memberikan masukan mengenai strategi pengembangan usaha kecil dan menengah terkait modal usaha yang diharapkan dapat dijadikan sebagai masukan bagi pengembangan usaha kecil dan menengah di Kota Bandung khususnya untuk industri baju bayi Indra Collection. Metode yang digunakan dalam penelitian ini adalah metode penelitian deskriptif dengan pendekatan secara kualitatif yang menggambarkan dan memberikan solusi pada pelaku industri kecil dan menengah khususnya pada industri baju bayi Indra Collection. Hasil penelitian ini menjelaskan bahwa strategi pengembangan usaha dimulai dari cara pengelolaan modal usaha dan manajemen keuangan yang bijak dengan cara penghematan dan pengalokasian dana yang digunakan sesuai dengan peruntukannya. Dan hal ini tentunya harus didukung dengan memberikan pendampingan dan pembinaan yang tepat agar industri kecil dan menengah bisa berkembang pesat dan tetap bertahan. Kata Kunci: Industri kecil dan Menengah, Modal Usaha
Sistem Informasi Pelayanan Online di Mapolresta Bandung Ade Mubarok; Dwiza Riana; Rangga Sanjaya; Rizki Tri Prasetio; Yudi Ramdhani; Ali Akbar Rismayadi; Syarif Hidayatulloh; Mayya Nurbayanti Shobary; Fitriyani Fitriyani; Toni Arifin; Asti Herliana
Jurnal Abdimas BSI: Jurnal Pengabdian Kepada Masyarakat Vol 1, No 1 (2018): Jurnal Pengabdian kepada Masyarakat
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (487.509 KB) | DOI: 10.31294/jabdimas.v1i1.2847

Abstract

AbstrakPeranan teknologi sangatlah membantu dalam pekerjaan sehari-hari baik organisasi, perusahaan yang berupa unit kecil ataupun perusahaan besar. Dalam hal ini dikarenakan adanya tuntunan atas pelayanan prima kepada rekan binis atau masyarakat sebagai objek pengguna. Terlepas dari itu yang terjadi di Mapolresta sebagai sarana pelayanan yang dirasa masih perlunya ada perbaikan disetiap unit kerja. Sebagai contoh dalam hal info jadwal SIM keliling dan info kepada masyarakat yang bersifat umum. Karena dengan adanya system informasi berupa website ini sangatlah membantu dari segi waktu serta lebih cepat sampai ke masyarkat.Kata Kunci : Sistem informasi, Pelayanan, SIM Keliling AbstractThe role of technology is very helpful in the daily work of organizations, companies in the form of small units or large companies. In this case due to the guidance of the excellent service to fellow business or community as the user object. Regardless of that happening in Mapolresta as a service facility that still need improvement in every work unit. For example in terms of scheduled mobile SIM info and info to the general public. Because with the information system of this website is very helpful in terms of time and faster to the community.Keywords : Information System, Service, Mobile SIM
IMPLEMENTASI METODE K-NEAREST NEIGHBOR UNTUK KLASIFIKASI CITRA SEL PAP SMEAR MENGGUNAKAN ANALISIS TEKSTUR NUKLEUS Toni Arifin
Jurnal Informatika Vol 2, No 1 (2015): Jurnal INFORMATIKA
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (320.282 KB) | DOI: 10.31294/ji.v2i1.83

Abstract

Abstract - Cervical cancer is the one of cause women death in the world. At least every 2 minutes 1 people death it cause of cervical cancer. One of prevention to early detection of cervical cancer is Pap Smear examination. Pap Smear test conducted to determine infection or abnormal cell that can turn into cancer cell. In this research used texture analysis data obtained from the result of image processing cell nucleus of normal and abnormal Pap Smear and 7 class Pap Smear cells is Normal Superficial (NS), Normal Intermediate (NI), Normal Columnar (NC), Mild (Light) Dysplasia (MLD), Severe Dysplasia (SD), Moderate Dysplasia (MD), Carcinoma In Situ (CIS). Image data derived from the data Harlev is totaling 280 images. The method of this research is used classification K-nearest neighbor method and for testing is used Confusion Matrix to see how much accuracy is generated by using K-nearest neighbor method. The result accuracy of normal and abnormal classification is 73,10% and for class classification is 33,33%. Keywords: Texture Analysis, K-nearest neighbor , Classification, Pap Smear Cell, Cervical Cancer, Confusion Matrix. Abstrak - Kanker serviks merupakan salah satu penyebab kematian wanita di dunia. Setidaknya setiap 2 menit 1 orang di dunia meninggal karena kanker serviks. Salah satu cara pencegahan untuk mendeteksi secara dini kanker serviks adalah dengan melakukan Pemeriksaan Pap Smear. Tes Pap Smear dilakukan untuk melihat adanya infeksi atau sel-sel yang abnormal yang dapat berubah menjadi sel kanker. Pada penelitian ini menggunakan data analisis tekstur yang didapatkan dari hasil pengolahan citra inti sel Pap Smear normal dan abnormal dan 7 kelas sel Pap Smear yaitu Normal Superficial (NS), Normal Intermediate (NI), Normal Columnar (NC), Mild (Light) Dysplasia (MLD), Severe Dysplasia (SD), Moderate Dysplasia (MD), Carcinoma In Situ (CIS). Data citra berasal dari data Harlev yang berjumlah 280 citra. Metode yang digunakan dalam penelitian ini adalah metode klasifikasi K-nearest neighbor dan untuk pengujiannya menggunakan Confusion Matrix untuk melihat seberapa besar akurasi yang dihasilkan dengan menggunakan metode K-nearest neighbor . Akurasi yang dihasilkan dari klasifikasi normal dan abnormal adalah 73,10% dan untuk akurasi klasifikasi kelas adalah 33,33%. Kata Kunci: Analisis Tekstur, K-nearest neighbor , Klasifikasi, Sel Pap Smear, Kanker Serviks, Confusion Matrix.
Co-Authors Ade Mubarok Adi Suparwo Al Huda Ramadhan Ali Akbar Rismayadi Ani Solihat Asri Dwi Andini Asti Herliana, Asti Daniel Ariesta Dwi Ariyandi Dwiza Riana Dwiza Riana Elin Sopiah Fahmi Permadi Achmad Fajar Nugraha Fakhri Habib Hawari Farizul Ma’arif Faslah Fadillah Fitriyani Fitriyani Fitriyani Fitriyani Fitriyani Fitriyani Fitriyani Fitriyani Gita Indah Hapsari Hendi Suhendi Hilda Farida Husniah Ihsan Mudzakir Imam Muhammad Mannar Shahih Insan Cahya Setia Maya Nurjanah Mayya Nurbayanti Shobary Muhamad Revin Reginal Harahap Muhamad Rifqi Alviandi Naufal Hidayah Surya Nur Huzumah Rahayu Febryani Rahmaniza Maulana Rahmawati Rangga Sanjaya Rina Resmiati Rizal Rachman, Rizal Rizki Tri Prasetio Siti Syalwah Syarif Hidayatulloh Taufik Hidayatulloh Tiara Nurwulandari Tiki Ramdhani Tyas Widyani Pratiwi Wildan Wiguna Wira Sanjaya Yudi Ramdhani