Garuda - Garba Rujukan Digital

p-Index From 2019 - 2024

1.687

P-Index

This Author published in this journals

All Journal Jurnal Sains dan Seni ITS Perfecting a Video Game with Game Metrics Bulletin of Chemical Reaction Engineering & Catalysis Jurnal Biometrika dan Kependudukan (Journal of Biometrics and Population) Inferensi Journal of Applied Sciences, Management and Engineering Technology (JASMET) Proceeding ISETH (International Summit on Science, Technology, and Humanity) Sewagati

Santi Wulan Purnami

Department Of Statistic, Faculty Of Science And Analytical Data, Institut Teknologi Sepuluh Nopember, Surabaya

Author-ID : 349299

Arts Humanities Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Education Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mathematics Medicine & Pharmacology Social Sciences Other

Published : 27 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3

Support Vector Machine optimization with fractional gradient descent for data classification Hapsari, Dian Puspita; Utoyo, Imam; Purnami, Santi Wulan
Journal of Applied Sciences, Management and Engineering Technology Vol 2, No 1 (2021)
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.jasmet.2021.v2i1.1467

Data classification has several problems one of which is a large amount of data that will reduce computing time. SVM is a reliable linear classifier for linear or non-linear data, for large-scale data, there are computational time constraints. The Fractional gradient descent method is an unconstrained optimization algorithm to train classifiers with support vector machines that have convex problems. Compared to the classic integer-order model, a model built with fractional calculus has a significant advantage to accelerate computing time. In this research, it is to conduct investigate the current state of this new optimization method fractional derivatives that can be implemented in the classifier algorithm. The results of the SVM Classifier with fractional gradient descent optimization, it reaches a convergence point of approximately 50 iterations smaller than SVM-SGD. The process of updating or fixing the model is smaller in fractional because the multiplier value is less than 1 or in the form of fractions. The SVM-Fractional SGD algorithm is proven to be an effective method for rainfall forecast decisions.

UNet-VGG16 with transfer learning for MRI-based brain tumor segmentation Anindya Apriliyanti Pravitasari; Nur Iriawan; Mawanda Almuhayar; Taufik Azmi; Irhamah Irhamah; Kartika Fithriasari; Santi Wulan Purnami; Widiana Ferriastuti
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.v18i3.14753

A brain tumor is one of a deadly disease that needs high accuracy in its medical surgery. Brain tumor detection can be done through magnetic resonance imaging (MRI). Image segmentation for the MRI brain tumor aims to separate the tumor area (as the region of interest or ROI) with a healthy brain and provide a clear boundary of the tumor. This study classifies the ROI and non-ROI using fully convolutional network with new architecture, namely UNet-VGG16. This model or architecture is a hybrid of U-Net and VGG16 with transfer Learning to simplify the U-Net architecture. This method has a high accuracy of about 96.1% in the learning dataset. The validation is done by calculating the correct classification ratio (CCR) to comparing the segmentation result with the ground truth. The CCR value shows that this UNet-VGG16 could recognize the brain tumor area with a mean of CCR value is about 95.69%.

Perbandingan Klasifikasi Tingkat Keganasan Breast Cancer Dengan Menggunakan Regresi Logistik Ordinal Dan Support Vector Machine (SVM) Farizi Rachman; Santi Wulan Purnami
Jurnal Sains dan Seni ITS Vol 1, No 1 (2012): Jurnal Sains dan Seni ITS (ISSN 2301-928X)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Breast Cancer merupakan jenis kanker yang sangat berbahaya di dunia. Setiap tahun 506.000 penduduk di dunia meninggal akibat breast cancer [10]. Indonesia merupakan salah satu negara berkembang dengan penderita breast cancer yang banyak. Hal ini dibuktikan dengan data Sistem Informasi Rumah Sakit (SIRS) 2007 yang menunjukkan breast cancer menempati urutan pertama pada pasien rawat inap di rumah sakit seluruh Indonesia (16.85%) [2]. Tingginya kasus penyakit ini di Indonesia mengharuskan penderita breast cancer untuk melakukan pemeriksaan tingkat keganasan breast cancer dengan memperhatikan jenis stadium breast cancer. Pada penelitian ini dilakukan analisis tingkat keganasan breast cancer dengan menggunakan regresi logistik ordinal dan support vector machine (SVM). Berdasarkan hasil penelitian dengan metode regresi logistik ordinal, menunjukkan variabel yang berpengaruh terhadap tingkat keganasan breast cancer adalah ukuran tumor dan nodus dengan ketepatan klasifikasi tertinggi 56.60%. Sedangkan ketepatan klasifikasi dengan menggunakan SVM ketepatan klasifikasi tertinggi dengan menggunakan kernel RBF dan polynomial mencapai 98.11%.

Analisis Diagnosis Pasien Kanker Payudara Menggunakan Regresi Logistik dan Support Vector Machine (SVM) Berdasarkan Hasil Mamografi Fourina Ayu Novianti dan Santi Wulan Purnami Fourina Ayu Novianti; Santi Wulan Purnami
Jurnal Sains dan Seni ITS Vol 1, No 1 (2012): Jurnal Sains dan Seni ITS (ISSN 2301-928X)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Kanker payudara merupakan jenis kanker yang sering ditemukan oleh kebanyakan wanita. Di Indonesia Kanker payudara menempati urutan pertama pada pasien rawat inap di seluruh rumah sakit. Diagnosis dini pada payudara merupakan salah satu upaya untuk meminimumkan kanker malignant (ganas) yaitu dengan cara melakukan pemeriksaan mamografi. Pada penelitian ini akan dilakukan pengklasifikasian diagnosis keadaan pasien kanker payudara benign (jinak) dan malignant (ganas) berdasarkan hasil mamografi dan melakukan analisis faktor-faktor apa saja yang mempengaruhi kanker payudara menggunakan metode regresi logistik dan support vector machine (SVM). Pengklasifikasian menggunakan regresi logistik biner menghasilkan ketepatan klasifikasi sebesar 88,72% dimana terdapat dua faktor yang berpengaruh terhadap kanker payudara malignant yaitu intermediate findings dan BIRADS. Sedangkan dengan menggunakan seleksi variabel L1-Norm SVM, semua variabel prediktor yang digunakan berpengaruh terhadap kanker payudara malignant dengan kontribusi terbesar adalah intermediate findings, kemudian BIRADS, suspicious for malignancy, letak abnormal, dan usia dengan ketepatan klasifikasi sebesar 94,34%.

Klasifikasi Pasien Hasil Pap Smear Test Sebagai Pendeteksi Awal Upaya Penanganan Dini Pada Penyakit Kanker Serviks Di RS. “X” Surabaya Dengan Metode Bagging Logistic Regression Ida Ayu Sevita Intansari; Santi Wulan Purnami; Sri Pingit Wulandari
Jurnal Sains dan Seni ITS Vol 1, No 1 (2012): Jurnal Sains dan Seni ITS (ISSN 2301-928X)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Kanker serviks merupakan pertumbuhan dari suatu kelompok sel yang tidak normal pada serviks (mulut rahim). Menurut WHO (2003), Indonesia merupakan negara dengan penderita kanker mulut rahim nomor satu di dunia. Kanker serviks adalah kanker yang paling sering dijumpai pada wanita setelah kanker payudara dan dapat menyebabkan kematian. Oleh karena itu, pasien hasil pap smear test sebagai pendeteksi awal upaya penanganan dini pada penyakit kanker serviks di RS. “X” Surabaya guna melihat karakteristik dan faktor resiko yang paling berpengaruh terhadap pendeteksi awal kanker serviks. Berdasarkan hasil penelitian diperoleh analisis deskriptif yang menunjukkan bahwa lebih banyak pasien yang memiliki hasil test abnormal dibandingkan dengan yang normal menggunakan Pap Smear Test. Pada analisis regresi logistik diperoleh tiga variabel prediktor yang signifikan berpengaruh terhadap hasil test, yaitu usia pasien, jumlah anak (paritas) dan penggunaan kontrasepsi, dengan nilai ketepatan klasifikasi sebesar 66,7%. Nilai ketepatan klasifikasi tersebut dapat ditingkatkan dengan pendekatan bagging regresi logistik (bagging logistic regression). Hasil analisis bagging regresi logistik pada 2 jenis kombinasi data, menunjukkan bahwa pada 80 kali replikasi bootstrap diperoleh nilai ketepatan klasifikasi meningkat sebesar 1,11%..

Pemodelan Mixed Geographically Weighted Regression (MGWR) pada Angka Kematian Balita di Kabupaten Bojonegoro Tahun 2011 Ika Wuryanti Febrina Wuryanti; Santi Wulan Purnami; Purhadi Purhadi
Jurnal Sains dan Seni ITS Vol 2, No 1 (2013)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Penurunan Angka Kematian Balita (AKABA) adalah salah satu tujuan Millenium Development Goals (MDGs). Peningkatan angka kematian balita di Jawa Timur masih sering terjadi khususnya di Kabupaten Bojonegoro. Namun penelitian mengenai kematian balita masih jarang dilakukan. Untuk itu, dilakukan pemodelan untuk mengetahui faktor-faktor yang berpengaruh secara signifikan. Pemodelan dilakukan dengan regresi linier global yang dilanjutkan menggunakan model GWR dan MGWR untuk menduga adanya faktor-faktor yang berpengaruh secara spasial. Model GWR (Geographically Weighted Regression) adalah pengembangan dari model regresi global yang mempertimbangkan adanya faktor spasial. Semua variabel prediktornya berpengaruh secara lokal. Sedangkan pada MGWR (Mixed Geographically Weighted Regression) tidak semua variabel prediktor mempunyai pengaruh secara lokal, namun sebagian berpengaruh secara global. Penelitian bertujuan untuk memilih model terbaik berdasarkan nilai AIC terkecil. Hasil penelitian menunjukkan bahwa model terbaik adalah model MGWR dengan pembobot gaussian. Variabel yang berpengaruh terhadap angka kematian balita adalah presentase ibu hamil mendapat Tablet FE (X1), presentase balita yang mendapat vitamin A (X2), balita mendapat pelayanan kesehatan (X5) dan presentase balita kurang gizi (X8).

Pemodelan Faktor-Faktor Yang Mempengaruhi Jumlah Kematian Ibu Di Jatim Dengan Pendekatan GWPR (Geographically Weighted Poisson Regression) Nurul Qomariyah; Santi Wulan Purnami; Setyo Purnomo
Jurnal Sains dan Seni ITS Vol 2, No 2 (2013)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Data profil kesehatan 2011 dari Dinkes Jatim menunjukkan di Jatim terjadi kasus kematian ibu dikarenakan proses hamil, bersalin, dan nifas sebesar 627 ibu dan 80% kematian terjadi di Rumah Sakit dan Puskesmas. Kedua tempat tersebut merupakan fasilitas kesehatan bagi ibu hamil dalam persalinan dan mendapatkan perawatan. Angka kematian tersebut jauh dari target MDGs dan berkebalikan dengan safety patient. Penelitian ini bertujuan untuk mendeskripsikan dan memodelkan jumlah kematian ibu di Jatim dengan menyertakan variabel dari hasil Rifaskes Puskesmas dan profil kesehatan. Metode yang digunakan mendeskripsikan menggunakan peta tematik dan pemodelan menggunakan GWPR. Pemodelan dengan metode ini memperhatikan letak geografis wilayah karena perbedaan tradisi dan budaya masyarakat mengenai kehamilan dan penanganannya berbeda-beda tiap wilayah. Hasil dari deskripsi variabel adalah jumlah kematian ibu terkecil di Kota Mojokerto. Berdasarkan hasil pemodelan, model GWPR lebih baik daripada model regresi Poisson karena memiliki nilai R-sq lebih besar 93,37% dan AIC lebih kecil 49,069. Model GWPR menghasilkan bentuk model yang berbeda-beda pada tiap kabupaten/kota di Jawa Timur.

Pendekatan Metode Classification and Regression Tree untuk Diagnosis Tingkat Keganasan Kanker pada Pasien Kanker Tiroid Sri Hartati Selviani Handayani; Santi Wulan Purnami
Jurnal Sains dan Seni ITS Vol 3, No 1 (2014)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Kanker Tiroid merupakan urutan kesembilan dari insiden kanker di Indonesia. Kanker Tiroid merupakan penyakit yang tidak menular yang menyerang pada bagian depan leher sedikit dibawah laring yang berbentuk kupu-kupu. Kelenjar tiroid sering kali membatasi kemampuan menyerap yodium dan membatasi kemampuan menghasilkan hormon tiroid, tetapi kadang menghasilkan cukup banyak hormon tiroid yang mengakibatkan hipertiroidisme. Sehingga perlu dilakukan pemeriksaan agar diketahui kanker tersebut jinak atau ganas, dan agar tidak terjadi kesalahan dalam penanganannya. Penelitian ini bertujuan untuk mengetahui faktor-faktor yang mempengaruhi timbulnya kanker tiroid. Metode Classification and Regression Tree merupakan analisis klasifikasi dimana pada variable respon dapat berskala katagorik dan kontinu. Data yang digunakan pada pesnelitian ini berupa data sekunder pasien yang diperoleh dari data rekam medis di rumah sakit “X” Surabaya pada tahun 2011 dan 2012 dengan variable respon bersekala katagorik. Kombinasi learning dan testing yang digunakan adalah kombinasi/kelompok 1 dengan data learning sebanyak 65 data dan testing sebanyak 17 data. Hasil pengklasifikasian pada metode CART dari diagnosis tingkat keganasan pada kanker tiroid dengan faktor yang paling berpengaruh yaitu hasil pemeriksaan klinis.

Klasifikasi Rumah Tangga Miskin di Kabupaten Jombang Berdasarkan Faktor-faktor yang Mempengaruhi dengan Pendekatan CART (Classification and Regression Trees) Riza Inayah; Bambang Widjanarko Otok; Santi Wulan Purnami
Jurnal Sains dan Seni ITS Vol 3, No 2 (2014)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Tingkat kemiskinan di Kabupaten Jombang dapat dikatakan relatif sulit bergerak turun dimana masih ada kurang lebih 73.720 Kepala Keluarga (KK) miskin dari 344 ribu KK yang tersebar di 302 desa dan 4 kelurahan. Pada penelitian ini ingin diperoleh informasi yang akurat mengenai klasifikasi status kemiskinan rumah tangga miskin di Kabupaten Jombang berdasarkan faktor-faktor yang diduga dominan mempengaruhi pengklasifikasian dengan pendekatan CART (Classification and Regression Trees). CART termasuk salah satu metode statistik dengan teknik pohon keputusan untuk melakukan analisis klasifikasi dengan pendekatan non-parametrik yang struktur pohonnya diperoleh melalui penerapan prosedur binary recursive partitioning. Unit analisis dalam penelitian ini adalah rumah tangga miskin di Kabupaten Jombang dengan jumlah 73.720 rumah tangga. Variabel penelitian meliputi satu variabel respon yaitu status kemiskinan rumah tangga miskin (Rumah Tangga Sangat Miskin atau RTSM, Rumah Tangga Miskin atau RTM, dan Rumah Tangga Hampir Miskin atau RTHM) serta ada delapan belas variabel prediktor. Diperoleh hasil bahwa diantara 73.720 rumah tangga miskin di Kabupaten Jombang tahun 2010, sebanyak 15,8 persen termasuk kelas RTSM, kemudian 39,6 persen termasuk RTM, dan paling banyak yaitu 44,6 persen termasuk kelas RTHM. Variabel terpenting atau paling dominan berpengaruh dalam menentukan status kemiskinan suatu rumah tangga miskin pada penelitian ini yaitu penghasilan rata-rata per bulan (Rp) dengan skor tingkat kepentingan variabel tersebut sebesar 100. Keakuratan hasil klasifikasi oleh penerapan pohon klasifikasi yang optimal untuk data learning sebesar 40,986 persen sedangkan data testing sebesar 39,654 persen.

Pemodelan Kemiskinan di kabupaten Jombang dengan Pendekatan Multivariate Adaptive Regression Splines (MARS) Millatur Rodliyah; Santi Wulan Purnami; Bambang Widjanarko Otok
Jurnal Sains dan Seni ITS Vol 3, No 2 (2014)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Kemiskinan dapat didefinisikan sebagai ketidakmampuan dari sisi ekonomi untuk memenuhi kebutuhan dasar makanan dan bukan makanan yang diukur dari sisi pengeluaran. Kabupaten Jombang memiliki laju pertumbuhan ekonomi yang meningkat dari tahun ke tahun, namun tidak diimbangi dengan penurunan angka kemiskinan. Penelitian ini bertujuan untuk memodelkan kemiskinan di Kabupaten Jombang sehingga diperoleh faktor-faktor yang mempengaruhi kemiskinan di Kabupaten Jombang dengan menggunakan metode MARS. Hasil penelitian menunjukkan bahwa model MARS terbaik adalah kombinasi BF=72, MI=2, dan MO=1 dengan nilai GCV sebesar 26,835, sehingga variabel yang berpengaruh signifikan terhadap kemiskinan di Kabupaten Jombang adalah persentase RTM yang tidak mempunyai fasilitas septictank (X8), luas kavling tempat tinggalnya kurang dari 60 m2 (X2), tidak mempunyai jenis atap dari genteng (X4), sumber air minumnya berasal dari sumur/mata air tidak terlindung/ sungai (X10), pendidikan terakhir kepala keluarganya tidak sekolah/ tidak tamat SD/hanya SD (X16), jenis lantai tempat tinggalnya dari tanah/bambu/kayu berkualitas rendah (X6), luas lantai bangunan tempat tinggalnya kurang dari 32 m2 (X3), sumber penerangan tidak mengguna-kan listrik (X9), tidak memiliki aset dengan nilai Rp 500.000 (X18), hanya sanggup makan sebanyak satu/dua kali dalam sehari (X14), bahan bakar untuk memasak sehari-hari adalah kayu bakar/arang/minyak tanah (X11), jenis dinding bangunan tempat tinggalnya terbuat dari bambu/ rumbia/kayu berkualitas rendah (X5), dan tidak mempunyai fasilitas tem¬pat buang air besar atau bersifat umum (X7).

Co-Authors Abima Aunur Rochman Achmad Choiruddin Achmad Sjafii Almuhayar, Mawanda Anindya Apriliyanti Pravitasari Arina Nur Afifah Ayu Mayliawati Baiq Siska Febriani Astuti Bambang Widjanarko Otok Diah Puspito Wulandari Dian Eka Apriana Sulasih Dian Puspita Hapsari Didik Prasetyoko Diyah Herowati Dwi Rantini Epa Suryanto Farizi Rachman Fiscy Aprilia Rahmanika Fithriasari, Kartika Fitria Nur Aida Fourina Ayu Novianti H. Holilah Harmin Sulitiyaning Titah Hasliza Bahruji Ida Ayu Sevita Intansari Ika Wuryanti Febrina Wuryanti Imam Utoyo Irhamah - Izdiharti Noni Pertiwi Jerry D. T. Purnomo Kurnia Dwi Inayati Millatur Rodliyah Mukti Ratna Dewi Neni Alya Firdausanti Nur Arifiyani Nur Iriawan Nurcahyati Akbar Kusumawardani Nurfain Nurfain Nurul Qomariyah Purhadi Purhadi Riza Inayah Rosyida Inas Santi Puteri Rahayu Setyo Purnomo Shofi Andari Siska P Wibisono Siti Holis Sumartini Sri Hartati Selviani Handayani Sri Pingit Wulandari Sutikno Sutikno Tannassia Winda Adharina Taufik Azmi Titie Prapti Oetami Utoyo, Imam Widiana Ferriastuti Yoyok Setyo Hadiwidodo Zeni Rahmawati

Title

Found 27 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 27 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 27 Documents
Search