Article Per Year (5 Year)
p-Index From 2019 - 2024
1.2
P-Index
This Author published in this journals
All Journal Perfecting a Video Game with Game Metrics Jurnal Ilmiah Media Sisfo Jurnal Informatika: Jurnal Pengembangan IT
Julio Christian Young
Universitas Multimedia Nusantara
Computer Science & IT

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Classification of pneumonia from X-ray images using siamese convolutional network Kennard Alcander Prayogo; Alethea Suryadibrata; Julio Christian Young
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 18, No 3: June 2020
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v18i3.14751

Abstract

Pneumonia is one of the highest global causes of deaths especially for children under 5 years old. This happened mainly because of the difficulties in identifying the cause of pneumonia. As a result, the treatment given may not be suitable for each pneumonia case. Recent studies have used deep learning approaches to obtain better classification within the cause of pneumonia. In this research, we used siamese convolutional network (SCN) to classify chest x-ray pneumonia image into 3 classes, namely normal conditions, bacterial pneumonia, and viral pneumonia. Siamese convolutional network is a neural network architecture that learns similarity knowledge between pairs of image inputs based on the differences between its features. One of the important benefits of classifying data with SCN is the availability of comparable images that can be used as a reference when determining class. Using SCN, our best model achieved 80.03% accuracy, 79.59% f1 score, and an improved result reasoning by providing the comparable images.
Contour evolution method for precise boundary delineation of medical images Friska Natalia; Hira Meidia; Nunik Afriliana; Julio Christian Young; Sud Sudirman
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 18, No 3: June 2020
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v18i3.14746

Abstract

Image segmentation is an important precursor to boundary delineation of medical images. One of the major challenges in applying automatic image segmentation in medical images is the imperfection in the imaging process which can result in inconsistent contrast and brightness levels, and low image sharpness and vanishing boundaries. Although recent advances in deep learning produce vast improvements in the quality of image segmentation, the accuracy of segmentation around object boundaries still requires improvement. We developed a new approach to contour evolution that is more intuitive but shares some common principles with the active contour model method. The method uses two concepts, namely the boundary grid and sparse boundary representation, as an implicit and explicit representation of the boundary points. We tested our method using lumbar spine MRI images of 515 patients. The experiment results show that our method performs up to 10.2 times faster and more flexible than the geodesic active contours method. Using BF-score contour-based metric, we show that our method improves the boundary accuracy from 74% to 84% as opposed to 63% by the latter method.
Pembangunan Aplikasi Pembelajaran Prinsip Desain Menggunakan Framework Gamifikasi Octalysis Renaldo Valentdra; Julio Christian Young; Seng Hansun
Jurnal Ilmiah Media Sisfo Vol 17 No 1 (2023): Jurnal Ilmiah Media Sisfo
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33998/mediasisfo.2023.17.1.725

Abstract

Design Principles dibuat untuk memodifikasi dan memformalkan pengetahuan tentang desain. Salah satu bentuk dari penerapan desain adalah dalam pembuatan User Interface / User Experience (UI/UX). Design Principles sendiri bertujuan untuk memberikan pengetahuan dasar dalam penerapan aturan desain. Dalam proses pembelajaran dan pemahaman konsep Design Principles ini tidak selalu mudah untuk diikuti. Oleh karenanya, penelitian ini dilakukan dengan tujuan untuk membangun dan merancang aplikasi pembelajaran Design Principles dengan kerangka gamifikasi Octalysis yang dikembangkan oleh Yu-Kai Chou. Aplikasi pembelajaran tergamifikasi berhasil dibangun berbasis mobile Android. Untuk mengevaluasi hasil penggunaan aplikasi, tingkat Behavioral Intention to Use dan Focused Immersion dari aplikasi diukur menggunakan Hedonic-Motivation System Adoption Model (HMSAM). Aplikasi ini telah diuji oleh 30 responden dengan presentase 84,22% pada aspek Behavioral Intention to Use dan presentase 73,33% pada aspek Focused Immersion.
Implementasi Algoritma Naïve Bayes untuk Klasifikasi Konten Twitter dengan Indikasi Depresi Andre Budiman; Julio Christian Young; Alethea Suryadibrata
Jurnal Informatika: Jurnal Pengembangan IT Vol 6, No 2 (2021): JPIT, Mei 2021
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v6i2.2419

Abstract

Depresi merupakan salah satu permasalahan kesehatan yang sangat berdampak bagi para penderitanya. Terdapat begitu banyak faktor depresi, di antaranya pengalaman hidup, pekerjaan, ataupun kehidupan sosial. Pada tahun 2018, diperkirakan 6.1% dari 267.7 juta penduduk di Indonesia mengalami depresi. Hal ini tentunya sangat dipengaruhi oleh stigma masyarakat terkait dengan penyakit kejiwaan dan rendahnya tingkat kesadaran masyarakat untuk melakukan konsultasi kejiwaan. Melalui perkembangan teknologi, saat ini, mayarakat seringkali mengekspresikan dirinya melalui konten-konten di media sosial. Pada penelitian ini dilakukan proses pengumpulan data-data dengan kata kunci yang mengindikasikan gangguan depresi di platform Twitter. Kemudian, dengan melibatkan seorang psikiatri, dilakukan proses pelabelan terhadap dataset untuk menentukan apakah konten memiliki label “terindikasi depresi” ataupun “tidak terindikasi”. Berdasarkan dataset tersebut, dikembangkan model prediktif dengan menggunakan metode Multinomial Naïve Bayes (MNB) dan Complement Naïve Bayes (CNB) sebagai metode klasifikasi dan metode Term Frequency–Inverse Document Frequency (TF–IDF) sebagai metode ekstraksi fitur. Berdasarkan eksperimentasi yang telah dilakukan gabungan metode TF–IDF dan MNB berhasil mencapai tingkat F-score sebesar 91.30% sementara gabungan metode TF–IDF dengan CNB berhasil mencapai tingkat performa sebesar 91.98%.
Co-Authors Alethea Suryadibrata Alethea Suryadibrata Andre Budiman Friska Natalia Hira Meidia Kennard Alcander Prayogo Nunik Afriliana Renaldo Valentdra Seng Hansun Sud Sudirman