Claim Missing Document
Check
Articles

Found 16 Documents
Search

Diagnosa Tuberculosis Paru Berbasis Citra X-ray Menggunakan Convolutional Neural Network Saeful Bahri; Rusda Wajhillah; Miftah Farid Adiwisastra
IJCIT (Indonesian Journal on Computer and Information Technology) Vol 6, No 2 (2021): IJCIT November 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (374.623 KB) | DOI: 10.31294/ijcit.v6i2.11844

Abstract

ABSTRAKTuberkulosis merupakan sebuah penyakit yang disebabkan oleh Mycobacterium tuberculosis. Penyakit ini dapat menyerang darah, tulang otak dan paru-paru. Diagnosa yang cepat dan akurat sangat diperlukan agar dapat dilakukan pengobatan yang tepat. Diagnosa biasanya dilakukan dengan cara melihat hasil citra x-ray thorax dan hasil test BTA pada pasien. Penelitian ini bertujuan untuk mempercepat identifikasi dalam proses diagnosa dari citra paru yang terinfeksi bakteri tuberculosis. Diagnosa dilakukan dengan bantuan machine learning  berdasarkan hasil citra x-ray menggunakan Algoritma CNN, dengan cara mengklasifikasikan citra x-ray normal dan citra x-ray tuberculosis. Dalam penelitian ini, dibahas tentang penggunaan citra x-ray paru atau citra thorax untuk mendeteksi diagnosa penyakit paru yang disebabkan oleh microbacterium tuberculosis. Hasil klasifikasi dengan CNN yang didapat setelah proses evaluasi model menunjukan nilai yang cukup baik yaitu untuk nilai akurasi di kisaran 89%, sementara untuk nilai f1-score 0,89 ABSTRACTSTuberculosis is a disesase caused by microbacterium tuberculosis. This disease can attack the blood, bones, barain and lungs. A fast and accurate diagnosis is nedded so that appropriate treatment can be carried out. In case tuberculosis, diagnostic is usually done by the result of the chest x-ray image, and the diagnostic result by laboratories BTA test on the patient. This research aims to accelerated the identification in the diagnostic process of lungs image infeted tuberculosis bactria diagnosis is done with the help of machine learning based on the results of x-ray images using the CNN Algorithm, by classifying normal x-ray images and tuberculosis x-ray images. In this study, we discussed the use of the thorax image for diagnostic disease lungs caused by microbacterium tuberculosis. The classification results with CNN obtained after the model evaluation process showed a fairly good value, namely for the accuracy value in the range of 89%, while for the f1-score value of 0,89.
Implementasi Virtual Reality Pada Pengenalan Tata Surya Berbasis Android Miftah Farid Adiwisastra; Ivanisevic Hanuraiga El-Ahmed; Saeful Bahri
IJCIT (Indonesian Journal on Computer and Information Technology) Vol 4, No 2 (2019): IJCIT November 2019
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (495.067 KB) | DOI: 10.31294/ijcit.v4i2.5558

Abstract

Mempelajari ilmu perbintangan atau astronomi ditambah dengan kemajuan teknologi yang sangat pesat saat ini bukan lagi menjadi hal yang sulit untuk dilakukan semua orang. Salah satunya dengan Virtual Reality yang dapat memvisualisasikan gambar 3D menjadi lebih nyata. Mengenalkan  objek-objek seperti planet-planet yang ada di Tata Surya dengan menggunakan VR akan lebih efektif selain memberikan pengamalan dan teknologi baru, pengguna juga dapat berinteraksi secara langsung daripada menggunakan media elektronik lainnya yang mevisualisasikan secara 2D. Penelitian ini berujuan untuk mengenalkan teknologi Virtual Reality kepada seluruhkalangan masyarakat dan memberikan pengetahuan tentang Tata Surya. Aplikasi pengenalan Tata Surya berbasis Virtual Reality ini dibuat dengan perangkat lunak Unity 3D beserta Google Cardboard SDK  sebagai game engine dan C# sebagai bahasa pemrogramannya. Dengan aplikasi ini pengguna akan merasakan pengalaman berada di luar angkasa dan menjelajah ke setiap objek yang ada di dalamnya. Berdasarkan data penggunaan, aplikasi ini telah memenuhi sebesar 83%  kebutuhan pengguna dalam mempelajari Tata Surya .
FEASIBILITY TEST OF POOR RICE RECIPIENTS IN BENCOY SUKABUMI VILLAGE USING NAIVE BAYES Taufik Hidayatulloh; Ardi Winardi; Lestari Yusuf; Satia Suhada; Saeful Bahri
Jurnal Pilar Nusa Mandiri Vol 17 No 1 (2021): Publishing Period for March 2021
Publisher : LPPM Universitas Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/pilar.v17i1.2227

Abstract

A regional head must have a work plan every regional head must have a work plan which is sure to be of benefit to the community. Assisting is a definite work plan in every region. A lot of assistance is usually given from the government to the community and must be managed by the village government so that the aid gets to the right hands. And to improve food security, the people in each region have activities to distribute Poor Rice as a subsidy from the government. In the distribution method, sometimes there are constraints in data collection so that poor rice or what we usually call Raskin is not suitable for distribution. Because of this, a way is needed so that the distribution is appropriate or not in the community in accepting the Raskin so that government assistance can be delivered properly and on target. By using secondary data obtained from Bencoy Village, 205 data were obtained containing the attributes of the eligibility category of Raskin recipients, and 6 categories of attributes were found with the classification method of the Naïve Bayes algorithm. The accuracy value obtained is 96.59%, proving that the prediction using the Naive Bayes algorithm has a good performance. The next results obtained are in the form of AUC value which after being calculated produces a value of 0.999 and this results in an application which is an implementation with a flow that is adjusted to the calculation algorithm in the form of a web-based application.
Komparasi Metode Machine Learning pada Diagnosa Gangguan Kejiwaan Depresi rusda wajhillah; saeful bahri; agung wibowo
SYNTAX Jurnal Informatika Vol 9 No 1: Mei 2020
Publisher : Universitas Singaperbangsa Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35706/syji.v9i1.2050

Abstract

Depresi atau penyakit kejiwaan berakibat fatal pada resiko kemungkinan bunuh diri. Depresi dapat didiagnosa sejak dini dan dilakukan secara mandiri. Hal ini sangat perlu dilakukan untuk membantu dalam penyembuhan dan pencegahan depresi. Model yang tepat dalam mendiagnosa depresi secara mandiri telah banyak diusulkan oleh beberapa peneliti. Pada penelitian ini dibandingkan metode machine learning yang paling akurat untuk mendiagnosa depresi, diantaranya algoritma Naïve bayes, kNN, Decision Tree dan Random Forest. Hasilnya diketahui algoritma Random Forest memiliki nilai akurasi paling tinggi diantara tiga algoritma lainnya yaitu sebesar 80,02%.
Penerapan Coloring Graph Pada Sistem Pengingat dan Penjadwalan Imunisasi Dasar Lengkap Saeful Bahri; Taufik Hidayatulloh
CESS (Journal of Computer Engineering, System and Science) Vol 3, No 2 (2018): Juli 2018
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (178.411 KB)

Abstract

Imunisasi menjadi hal yang penting dalam perlindungan kesehatan bagi masyarakat dibeberapa negara, imunisasi dapat mencegah penyebaran penyakit tertentu seperti folio, pertussis, difteri, campak, rubela, gondok dan tetatnus. Imunisasi dasar lengkap diberikan pada bayi sesuai jadwal yang diterbitkan oleh kementrian kesehatan republik indonesia pada usia 0-9 bulan, Imunisasi dasar lengkap didefinisikan bahwa setiap anak telah menerima 1 dosis vaksin BCG, 3 dosis vaksin DPT, 4 dosis vaksin OPV, 3 dosis vaksin Hepatitis-B dan 1 dosis vaksin Campak. Agar meningkatkan kesadaran orang tua mengenai pentingnya imunisasi dasar lengkap yang sesuai jadwal, maka perlu dibangun sebuah sistem yang berguna dalam melakukan otomatisai jadwal imunisasi, dan memberikan pengingat kepada ibu bayi. Pada penelitian ini coloring graph akan diterapkan untuk pembuatan jadwal secara otomatis, kemudian jadwal yang dihasilkan akan secara terjadwal terkirim kepada ibu bayi melalui teknologi SMS Gateway
Teknologi Global Positioning Sistem (GPS) Untuk Pelaporan Dan Penjemputan Sampah Berbasis Android Saeful Bahri; Satia Suhada; Jamal Maulana Hudin
CESS (Journal of Computer Engineering, System and Science) Vol 4, No 1 (2019): Januari 2019
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (523.127 KB) | DOI: 10.24114/cess.v4i1.11358

Abstract

Teknolgi GPS merupakan salah satu teknologi navigasi yang memanfaatkan lebih dari 30 satelite yang mengorbit di 20.000 km diatas permukaan bumi, GPS telah banyak dimanfaatkan untuk berbagai keperluan seperti bidang militer bidang tranportasi dan beberapa bidang lainnya, pada penelitian ini teknologi GPS akan dimanfaatkan untuk menentukan sebuah lokasi tumpukan sampah. Sampah merupakan sebuah masalah di banyak negara didunia tidak terkecuali di Indonesia, sampah merupakan salah satu sumber penyakit jika dibiarkan begitu saja tanpa adanya penanganan, kebiasaan masyarakat dalam membuang sampah secara sembarangan, selain kesadaran dari masyarakat, salah satu yang mempengaruhi prilaku buang sampah sembarangan adalah keterbatasan akses terhadap petugas kebersihan, begitu juga masalah yang dialami oleh petugas kebersihan banyak titik sampah tidak diketahui dan dibiarkan begitu saja hal ini menyebabkan sampah semakin menumpuk, pemanfaatkan teknologi geo tagging pada Global Positiong system (GPS) dapat mempermudah masyarakat dalam pelaporan titik dimana sampah terkumpul yang tidak di ketahui oleh petugas sampah sebelumnya, sehingga petugas pengangkut sampah bisa dengan mudah menemukan titik penjemputan sampah, dengan adanya penandaan lokasi dan pengankutan sampah diharapakan adanya komunikasi aktif antara masyarakat dan petugas kebersihan sehingga tumpukan sampah di titik-titik yang tadinya sulit dijangkau menjadi bisa ditangani lebih cepat
SELEKSI ATRIBUT PADA ALGORITMA C4.5 MENGGUNAKAN GENETIK ALGORITMA DAN BAGGING UNTUK ANALISA KELAYAKAN PEMBERIAN KREDIT Saeful Bahri
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 4, No 2 (2017)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v4i2.99

Abstract

According to the banking ACT No. 9 of 1992 is the provision of credit or money bills which can dipersama-kan with it, based on the approval of an agreement between the bank pinjam-meminjam with other parties that require that the borrower to pay off a loan after a certain period of time with the giving of flowers. Credit analysis aims to evaluate the customer able to or not in fulfilling obligations. In analyzing the sometimes an analyst is not accurate in analyzing causing bad credit. Of the problems that existed then used a method of classification for an analysis of the feasibility of granting credit using a model algorithm Genetic Algorithm with C4.5 (AG) as a selection of attributes and bagging method to improve accuracy. After testing two models namely algorithm C4.5 and C4.5 with Genetic Algorithms (AG) and the results obtained bagging method is the algorithm C 4.5 produces a value accuracy 93,47% and AUC values 0,932 with excellent levels of Clasification diagnose but after Genetic Algorithm added (AG) and increased accuracy value bagging 2.87% to 96,34% and AUC values increased 0.044 became 0.976.Keywords: Credit, the algorithm C 4.5, Genetic Algorithms (GA), BaggingMenurut UU Perbankan No.9 Tahun 1992 kredit merupakan penyediaan uang  atau tagihan yang dapat dipersama-kan dengan itu,  berdasarkan  persetujuan  atau  kesepakatan  pinjam-meminjam  antara  bank  dengan  pihak  lain  yang  mewajibkan  pihak  peminjam  untuk  melunasi  utangnya setelah jangka waktu tertentu dengan pemberian bunga. Analisa kredit bertujuan untuk mengevaluasi nasabah mampu atau tidak dalam memenuhi kewajiban. Dalam menganalisa terkadang seorang analis tidak akurat dalam menganalisa sehingga menyebabkan kredit macet. Dari permasalahan yang ada maka digunakan sebuah metode klasifikasi untuk analisis kelayakan pemberian kredit menggunakan model algoritma C4.5 dengan Algoritma Genetika (AG) sebagai seleksi atribut dan metode bagging untuk meningkatkan akurasi. Setelah dilakukan pengujian dua model yaitu algoritma C4.5 dan C4.5 dengan Algoritma Genetika (AG) dan metode bagging hasil yang diperoleh adalah algoritma C4.5 menghasilkan nilai akurasi 93,47 % dan nilai AUC 0,932 dengan tingkat diagnose excellent Clasification namun setelah ditambahkan Algoritma Genetika(AG) dan bagging nilai akurasi meningkat 2,87% menjadi 96,34 % dan nilai AUC meningkat 0.044 menjadi 0.976.Kata kunci: Kredit, Algoritma C4.5, Algoritma Genetika (AG), Bagging
Analisis Kelayakan Kredit Berbasis Algoritma K-Nearest Neighbor (Studio Kasus: Koperasi AKU) Rusda Wajhillah; Irsyad Hafizh Ubaidallah; Saeful Bahri
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 4, No 1 (2019): InfoTekJar September
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v4i1.1264

Abstract

Kredit macet merupakan sumber ancaman terbesar dalam menjalankan operasi bisnis, dan mampu menyebabkan kesulitan keuangan pada masa mendatang, dan telah tercatat 40% kredit macet pada sejumlah koperasi di Salatiga, 10 milyar kredit macet di Kabupaten Bantul, serta tumpukan kredit macet yang rata-rata mencapai 10% menyebabkan peningkatan koperasi tidak aktif hingga 29%. Analisa kredit sangat dibutuhkan untuk menekan resiko terjadinya kredit bermasalah. Salah satu cara untuk mengurangi resiko kredit bermasalah yaitu mengunakan sebuah algoritma yang mampu mengklasifikasikan data kelayakan pemberian kredit, salah satu algoritma yang telah sukses diterapkan oleh beberapa peneliti yaitu algoritma K-Nearest Neighbor hal ini disebabkan karena algoritma ini cocok digunakan untuk dataset yang berukuran tidak terlalu besar seperti pada dataset penelitian ini yang hanya terdapat 276 data yang dibagi kedalam 2 kategori 94 macet 182 lancar. Dari dataset yang di uji hasil yang didapatkan akurasi tertinggi sebesar 79,45% pada nilai K=1, dengan rata-rata akurasi 73,696%, dan nilai AUC tertinggi didapat pada K=9 dengan nilai sebesar 0,811, dengan nilai akurasi tersebut algoritma K-NN memiliki kinerja cukup baik dalam proses klasifikasi data kelayakan pemberian kredit.
PERAN BUSINESS INTELLEGENCE DALAM PENINGKATAN PENJUALAN PRODUK JASA KEUANGAN (POS PAYMENT) PADA KANTOR POS JAKARTA BARAT Saeful Bahri; Richardus Eko Indrajit; Muh Fauzi
Prosiding Semnastek PROSIDING SEMNASTEK 2017
Publisher : Universitas Muhammadiyah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kantor pos merupakan salah satu perusahaan BUMN yang bergerak dibidang jasa, salahsatu jasa bisnis yang ditawarkan adalah pembayaran jasa keuangan, perkembangantekonologi yang semakin maju, membuat banyak perusahaan penyedia jasa transaksi keuangan melakukan inovasi untuk mempermudah pelanggan dalam melakukan transaksi,dengan demikian membuat masyarakat memiliki banyak pilihan untuk melakukan transaksi pembayaran, dengan kondisi ini kantor pos harus mempunya pola bisnis yang smart untuk meningkatkan penjualan produk jasa keuangan. Dengan itu dilakukan konsep busniness intelligence untuk meningkatan penjualan bisnis jasa keuangan yang ada pada kantor pos. salah satu konsep businesss intelegence yang bisa digunakan adalah proses mining data sebagai alat bantu untuk mengolah dan menganalisa data customer sehingga dapat memberikan informasi yang akurat. Penelitian dilakukan dengan melakukan perbandingan 5 algoritma kalsifikasi, yaitu algoritma decisson tree, Naive Bayes, Logistic Regression, Deep learning  dank-NN. Dari hasil perbadingan ke-lima algoritma klasifikasi tersebut decision tree menjadi algoritma terbaik dengan tingkat akurasi 81,00%, dengan hasil ini dapat diketahui atribut atau faktor-faktor yang dominan dan berpengaruh terhadap rancangan strategi penjualan. Kata Kunci: business intelligence, peningkatan penjualan,  jasa keuangan
SOLUSI CERDAS MENYUSUN LAPORAN PERTANGGUNGJAWABAN KOPERASI DENGAN PENERAPAN E-KOPERASI Yuri Rahayu; Sriyadi Sriyadi; Lis Saumi Ramdhani; Saeful Bahri
Jurnal Ilmu Ekonomi dan Pembangunan Vol 17, No 2 (2017): Jurnal Ilmu Ekonomi dan Pembangunan
Publisher : Sebelas Maret University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (603.269 KB) | DOI: 10.20961/jiep.v17i2.14866

Abstract

The ease with which to prepare an Accountability Report is a wish that cooperative management wishes to undertake. Difficulties that have been faced in preparing the report resulted in the health assessment of cooperatives can not be fulfilled resulting in the level of assessment and the status of cooperatives become inactive. Selection of smart and proper cooperative management system will result in more productive and quality performance, so it needs an E-Cooperative System that can further facilitate the performance of the boards utilizing Information Technology that is able to facilitate the preparation of accountability report of the board effectively and efisein. The research method is development research that is research method used to produce certain product. Results of Implementation of E-Cooperatives in Prosperous Cooperatives PKK RW VI Kel. Tipar Kota Sukabumi produces a qualified Accountability Report and qualifies a cooperative health assessment and is able to streamline the performance of the board, so it is expected that the implementation of this E-Koperasi system can provide solutions to the Savings and Loan Partnership managers, especially in the Sukabumi area and announced throughout Indonesia Simplify the Accountability Report. Keywords: Smart Solution, E-Cooperative Application, Accountability Reporting