Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Techno.Com: Jurnal Teknologi Informasi
Ridha Sefina Samosir
Kalbis Institute
Computer Science & IT Engineering

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

Found 2 Documents
Search

 1 
Aplikasi Literasi Digital Berbasis Web Dengan Metode R&D dan MDLC Ridha Sefina Samosir; Nuraini Purwandari
Techno.Com Vol 19, No 2 (2020): Mei 2020
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (375.691 KB) | DOI: 10.33633/tc.v19i2.3318

Abstract

Pada era Revolusi Industri 4.0, teknologi terus berkembang semakin canggih seperti teknologi internet, komputasi awan, dan algoritma machine learning. Teknologi tersebut menjadi salah satu komponen penting perkembangan keilmuan di perguruan tinggi. Dengan internet, banyak sekali literasi berbasis dijital yang dapat dimanfaatkan oleh mahasiswa untuk menambah wawasan atau pengetahuannya. Tetapi sumber literasi yang beredar kurang sistematis atau urutan materi yang kurang tepat. Selain itu, materi tersebut kurang terstruktur atau kurang sesuai dengan capaian pembelajaran mata kuliah yang telah ditentukan. Ada banyak sekali materi literasi yang beredar tetapi belum dapat dipastikan kebenaran dan kevalidan dari materi literasi tersebut karena kebanyakan materi literasi tidak menyertakan sumber referensi. Kondisi seperti ini membuat mahasiswa bingung ketika mengakses materi tersebut. Mahasiswa tidak dapat memastikan tingkat kebenaran dan ketepatan dari materi tersebut. Oleh karena itu, penelitian ini mengusulkan sebuah media literasi dijital berbasis teknologi yang dapat dikustomisasi sesuai kebutuhan perguruan tinggi baik dari sisi isi, struktur maupun atribut lainnya. Hal ini berarti bahwa materi literasi yang disajikan dapat disesuaikan dengan capaian pembelajaran yang telah dirumuskan oleh institusi. Sehingga tujuan dari penelitian ini adalah pembuatan sebuah media literasi dijital yang menyajikan materi pembelajaran secara sistematis dan terstruktur bagi mahasiswa di perguruan tinggi. Sistem literasi dijital ini dibangun dengan menggabungkan metode R&D dan MDLC.
Brain tumor segmentation using double density dual tree complex wavelet transform combined with convolutional neural network and genetic algorithm Ridha Sefina Samosir; Edi Abdurachman; Ford Lumban Gaol; Boy Subirosa Sabarguna
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 11, No 4: December 2022
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v11.i4.pp%p

Abstract

Image segmentation is often faced by low contrast, bad boundaries, and inhomogeneity that made it difficult to separate normal and abnormal tissue. Therefore, it takes long periodto read and diagnose brain tumor patients. The aim of this study was to applied hybrid methods to optimize segmentation process of magnetic resonance image of brain. In this study, we divide the brain tumor images with double density dual-tree complex wavelet transform (DDDTCWT), continued by convolutional neural network (CNN), and optimized by genetic algorithm (GA) with 48 combinations yielding excellent results. The F-1 score was 99.42%, with 913 images test data. The training images consist of 1397 normal MRI images and 302 tumor magnetic resonance imaging (MRI) images resized by 32 x32 pixels. The DDDTCWT transforms the input images into more detail than ordinary wavelet transforms, and the CNNs will recognize the pattern of the output images. Additionally, we applied the GA to optimize the weights and biases from the first layer of the CNNs layers. The parameters used for evaluating were dice similarity coefficient (DSC), positive present value (PPV), sensitivity, and accuracy. The result showed that the combination of DDDTCWT, CNN, and GA could be used to brain MRI images and it generated parameters value more that 95%.
Co-Authors Boy Subirosa Sabarguna Edi Abdurachman Ford Lumban Gaol Nuraini Purwandari