Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal Jurnal Buana Informatika INTEGER: Journal of Information Technology Jifosi Letters in Information Technology Education (LITE)
Eka Prakarsa Mandyartha
Unknown Affiliation
Computer Science & IT Education

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Jurnal Buana Informatika

 1 
Identifikasi Sel Darah Merah Bertumpuk Menggunakan Pohon Keputusan Fuzzy Berbasis Gini Index Mandyartha, Eka Prakarsa; Kurniawan, Muchammad; Perdana, Rizal Setya
Jurnal Buana Informatika Vol 6, No 1 (2015): Jurnal Buana Informatika Volume 6 Nomor 1 Januari 2015
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (717.118 KB)

Abstract

Pendekatan teknik data mining diusulkan untuk identifikasi sel darahmerah bertumpuk pada citra makroskopik sel darah untuk meningkatkan akurasipenghitungan jumlah sel darah merah. Fitur yang digunakan adalah geometri danwarna. Fitur geometri terdiri dari luasan dan eksentrisitas sel. Pada prosesidentifikasi digunakan pendekatan fuzzy. Setiap fitur direpresentasikan denganfungsi keanggotaan fuzzy. Identifikasi dilakukan berdasarkan aturan yangdiperoleh dari pohon keputusan fuzzy yang dibangkitkan. Pencabangan multisplitdigunakan pada pohon keputusan fuzzy. Pengukuran split atribut menggunakannilai gini index. Hasil pengujian pada 10 citra makroskopik sel darah yangmengandung 532 sel darah merah menunjukkan bahwa metode yang diusulkanmemiliki rata-rata akurasi sebesar 96,14%. Dengan akurasi yang tinggidiharapkan dapat meningkatkan akurasi diagnosis penyakit berdasarkan jumlahsel darah merah.
Three-level Local Thresholding Berbasis Metode Otsu untuk Segmentasi Leukosit pada Citra Leukemia Limfoblastik Akut Mandyartha, Eka Prakarsa; Fatichah, Chastine
Jurnal Buana Informatika Vol 7, No 1 (2016): Jurnal Buana Informatika Volume 7 Nomor 1 Januari 2016
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (672.303 KB) | DOI: 10.24002/jbi.v7i1.483

Abstract

Abstract. Segmentation of Acute Lymphoblastic Leukemia (ALL) images can be used to identify the presence of ALL disease. In this paper, three-level local thresholdings based on Otsu method is presented for leucocytes segmentation in ALL image. Firstly, a method based on Gram-Schmidt orthogonalization theory is applied to partition the input image into several sub-images. The proposed method extends Otsu’s bi-level thresholding to three-level thresholding method  to find two local threshold values that maximize between-class variance. Using the two local threshold values and three-level local thresholding technique then segmenting each of sub-images into three regions, e.g. nucleus, cytoplasm, and background. To evaluate the performance of the proposed method, 32 peripheral blood smear images are used. The performance of the proposed method is compared with manually segmented ground truth using Zijdenbos similarity index (ZSI), precision, and recall. An experimental evaluation demonstrates superior performance over three-level global thresholding for ALL image segmentation.Keywords: three-level local thresholding, acute lymphoblastic leukemia, three-level Otsu thresholding, gram-schmidt orthogonalizationAbstrak. Segmentasi citra Limfoblastik Leukemia Akut (LLA) dapat digunakan untuk mengidentifikasi kehadiran penyakit LLA. Pada penelitian ini diusulkan metode three-level local thresholding berbasis metode Otsu untuk segmentasi leukosit pada citra LLA. Pertama-tama, metode berbasis teori ortogonalisasi Gram-Schmidt diaplikasikan untuk membagi citra LLA menjadi sub-sub citra. Metode yang diusulkan memperluas metode bi-level thresholding Otsu ke dalam kasus three-level thresholding untuk pencarian dua nilai ambang lokal tiap sub-citra yang memaksimumkan varian antar kelas. Dengan nilai ambang jamak lokal tersebut, teknik three-level local thresholding selanjutnya  mensegmentasi tiap sub-citra ke dalam tiga region, yaitu nukelus, sitoplasma, dan latar belakang. Untuk mengevaluasi performa metode usulan, 32 citra uji digunakan. Performa metode yang diusulkan dibandingkan dengan citra segmentasi manual menggunakan Zijdenbos similarity index (ZSI), presisi, dan recall. Hasil uji coba menunjukkan performa three-level local thresholding lebih unggul daripada metode three-level global thresholding untuk segmentasi citra LLA. Kata Kunci: three-level local thresholding, leukemia limfoblastik akut, three-level Otsu thresholding, ortogonalisasi gram-schmidt
Identifikasi Sel Darah Merah Bertumpuk Menggunakan Pohon Keputusan Fuzzy Berbasis Gini Index Mandyartha, Eka Prakarsa; Kurniawan, Muchammad; Perdana, Rizal Setya
Jurnal Buana Informatika Vol 6, No 1 (2015): Jurnal Buana Informatika Volume 6 Nomor 1 Januari 2015
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v6i1.398

Abstract

Pendekatan teknik data mining diusulkan untuk identifikasi sel darahmerah bertumpuk pada citra makroskopik sel darah untuk meningkatkan akurasipenghitungan jumlah sel darah merah. Fitur yang digunakan adalah geometri danwarna. Fitur geometri terdiri dari luasan dan eksentrisitas sel. Pada prosesidentifikasi digunakan pendekatan fuzzy. Setiap fitur direpresentasikan denganfungsi keanggotaan fuzzy. Identifikasi dilakukan berdasarkan aturan yangdiperoleh dari pohon keputusan fuzzy yang dibangkitkan. Pencabangan multisplitdigunakan pada pohon keputusan fuzzy. Pengukuran split atribut menggunakannilai gini index. Hasil pengujian pada 10 citra makroskopik sel darah yangmengandung 532 sel darah merah menunjukkan bahwa metode yang diusulkanmemiliki rata-rata akurasi sebesar 96,14%. Dengan akurasi yang tinggidiharapkan dapat meningkatkan akurasi diagnosis penyakit berdasarkan jumlahsel darah merah.
Identifikasi Sel Darah Merah Bertumpuk Menggunakan Pohon Keputusan Fuzzy Berbasis Gini Index Eka Prakarsa Mandyartha; Muchammad Kurniawan; Rizal Setya Perdana
Jurnal Buana Informatika Vol. 6 No. 1 (2015): Jurnal Buana Informatika Volume 6 Nomor 1 Januari 2015
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v6i1.398

Abstract

Pendekatan teknik data mining diusulkan untuk identifikasi sel darahmerah bertumpuk pada citra makroskopik sel darah untuk meningkatkan akurasipenghitungan jumlah sel darah merah. Fitur yang digunakan adalah geometri danwarna. Fitur geometri terdiri dari luasan dan eksentrisitas sel. Pada prosesidentifikasi digunakan pendekatan fuzzy. Setiap fitur direpresentasikan denganfungsi keanggotaan fuzzy. Identifikasi dilakukan berdasarkan aturan yangdiperoleh dari pohon keputusan fuzzy yang dibangkitkan. Pencabangan multisplitdigunakan pada pohon keputusan fuzzy. Pengukuran split atribut menggunakannilai gini index. Hasil pengujian pada 10 citra makroskopik sel darah yangmengandung 532 sel darah merah menunjukkan bahwa metode yang diusulkanmemiliki rata-rata akurasi sebesar 96,14%. Dengan akurasi yang tinggidiharapkan dapat meningkatkan akurasi diagnosis penyakit berdasarkan jumlahsel darah merah.
Co-Authors Chastine Fatichah indrawanti, annisaa sri Intan Yuniar Purbasari Muchammad Kurniawan Pratama Wirya Atmaja Rizal Setya Perdana Serlynda Dwi Rosalina