Claim Missing Document
Check
Articles

Found 3 Documents
Search

Studi Awal Deteksi COVID-19 Menggunakan Citra CT Berbasis Deep Learning Windra Swastika
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 3: Juni 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020733399

Abstract

Pada bulan Desember 2019, virus COVID-19 menyebar ke banyak negara, termasuk di Indonesia yang kemudian menjadi pandemi dan menimbulkan masalah serius karena masih belum adanya vaksin untuk mencegah penularan. Uji spesimen saluran nafas atas dan saluran nafas bawah saat ini merupakan salah satu metode yang efektif untuk mengetahui apakah seseorang terinfeksi COVID-19 atau tidak. Salah satu indikasi dari infeksi COVID-19 adalah sesak nafas atau pneumonia serta munculnya ground-glass opacity pada citra CT. Penelitian ini merupakan studi awal untuk melihat apakah citra CT dari organ thorax dapat digunakan sebagai alternatif untuk mendeteksi infeksi virus COVID-19. Deep learning digunakan untuk membuat sebuah model dengan citra CT sebagai masukan. Total 140 data citra CT yang terbagi menjadi 2 yaitu citra dari pasien terinfeksi dan citra dari subjek normal digunakan sebagai masukan pada deep learning. Proses pelatihan dilakukan menggunakan CNN dengan arsitektur VGG16 dan optimizer SGD dan Adam. Hasil yang didapatkan adalah akurasi sebesar 92,86% untuk mengklasifikasikan infeksi COVID-19 dan normal. Nilai spesifisitas dan sensitivitas sebesar 100% dan 85,71% untuk pelatihan dengan menggunakan optimizer SGD. AbstractIn December 2019, the COVID-19 virus spread to many countries, including Indonesia which later became a pandemic and caused serious problems because there was still no vaccine to prevent transmission. Tests of upper and lower respiratory tract specimens are now an effective method of finding whether a person is infected with COVID-19 or not. One indication of COVID-19 infection is shortness of breath or pneumonia and the appearance of ground-glass opacity on CT images. This research is a preliminary study to see whether CT images of the thorax organs can be used as an alternative to detect COVID-19 virus. The deep learning is used to create a model with CT images as input. A total of 140 CT image data which are divided into 2 images from infected patients and images from normal subjects are used as input for deep learning. The training process is carried out using CNN with VGG16 architecture and SGD and Adam optimizers. The results obtained are 92.86% accuracy for classifying COVID-19 infections and normal. Specificity and sensitivity values were 100% and 85.71% for training using the SGD optimizer.
Desain dan Pengembangan Aplikasi Sistem Informasi Administrasi Desa Paulus Lucky Tirma Irawan; Yudhi Kurniawan; Windra Swastika
Jurnal SOLMA Vol. 8 No. 2 (2019)
Publisher : Universitas Muhammadiyah Prof. DR. Hamka (UHAMKA Press)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (769.95 KB) | DOI: 10.29405/solma.v8i2.3088

Abstract

Desa Tegalweru terletak di kecamatan Dau, Kabupaten Malang. Dalam hal pengelolaan data administratif, Desa Tegalweru dibantu oleh beberapa perangkat desa. Salah satu rutin administratif yang berkaitan langsung dengan layanan masyarakat adalah kegiatan surat menyurat. Berdasarkan analisa tahap awal ditemukan beberapa potensi masalah, seperti kurang efektifnya proses pengelolaan rutin administratif karena data kependudukan yang menjadi data pendukung utama harus diakses secara manual. Permasalahan ini perlu untuk mendapatkan perhatian khusus sehingga Desa Tegalweru dapat meminimalisir kesalahan-kesalahan yang dapat terjadi sekaligus meningkatkan layanannya. Pemanfaatan teknologi informasi dapat menjadi salah satu solusi untuk mengatasi permasalahan yang ditemukan. Pada penelitian ini akan dilakukan analisa kebutuhan untuk menentukan spesifikasi dan model kerja sistem, yang kemudian dilanjutkan dengan pengembangan dan pengujian aplikasi hingga penerapan aplikasi di Desa Tegalweru sendiri. Aplikasi yang akan dikembangkan berbentuk sistem informasi administrasi berbasis web.
Penerapan PECS-Bahan Ajar Autisme Romy Budhi Widodo; Windra Swastika; Kestrilia Rega Prilianti
Prosiding Seminar Nasional Pengabdian Masyarakat Universitas Ma Chung Vol. 1 (2021): Prosiding Seminar Nasional Pengabdian Masyarakat Ma Chung 2021
Publisher : Ma Chung Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (466.607 KB) | DOI: 10.33479/senampengmas.2021.1.1.333-340

Abstract

Kegiatan yang dilakukan bertujuan untuk memberikan nilai lebih kepada mitra. Pada kesempatan ini, kelompok kami berusaha ingin memberikan nilai lebih kepada salah satu Wisma Epilepsi yang ada di kota Malang. Di wisma tersebut terdapat anak autis, ASD (Autism Spectrum Disorder) dan sekaligus hiperaktif yang berusia 14 tahun. Dari hasil pengamatan oleh pembina, anak asuh dengan ASD ini memiliki tipe belajar visual. Alat-alat bermain dan belajar visual yang telah dimiliki perlu dianalisis dan jika perlu ditingkatkan keberagamannya sesuai kerjasama dengan penanggung jawab wisma. Keragaman bahan ajar juga disesuaikan dengan kemajuan pemahaman konsep dari anak tersebut. Beberapa alat belajar juga sering mengalami kerusakan sehingga diperlukan cara melindungi alat-alat belajar tersebut dari koyak dan kerusakan. Luaran sosial yang diharapkan adalah adanya peningkatan kemampuan dan kreatifitas anak ASD di Wisma Epilepsi tersebut. Pada kegiatan ini usaha menerapkan PECS-picture exchange communication system-dilakukan meski kendala pertemuan fisik yang jumlahnya tidak dapat terlalu banyak disebabkan ketidaknyamanan interaksi fisik di masa pandemi. Hasil pengamatan dari beberapa kali pertemuan dengan menerapkan PECS diperoleh bahwa penggabungan PECS dan model 3 dimensi, lebih sesuai digunakan, daripada hanya metode PECS saja, pada subjek