Article Per Year (5 Year)
p-Index From 2019 - 2024
0.817
P-Index
This Author published in this journals
All Journal CogITo Smart Journal CSRID (Computer Science Research and Its Development Journal) Jurnal Abdimas Mahakam International Journal of Artificial Intelligence in Medical Issues
Hamada Zein
Universitas Muhammadiyah Kalimantan TImur
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Health Professions Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Public Health Social Sciences

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

Found 4 Documents
Search

 1 
ANALISIS PRIORITAS PASIEN COVID-19 UNTUK RAWAT INAP MENGGUNAKAN LOGISTIC REGRESSION DAN AHP Prasetio, Dimaz Arno; Zein, Hamada; Kusrini, Kusrini; Supriatin, Supriatin
CSRID (Computer Science Research and Its Development Journal) Vol 13, No 3 (2021): CSRID OKTOBER 2021
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/csrid.13.3.2021.149-157

Abstract

Kondisi bertambahnya pasien covid-19 ini tidak sebanding dengan jumlah kamar yang tersedia di rumah sakit atau tempat khusus yang ditunjuk sebagai tempat isolasi pasien covid-19. Kekurangan ruang isolasi dan fasilitas juga dialami oleh rumah sakit lainnya diseluruh wilayah Indonesia. Sedikitnya jumlah kamar yang tersedia pada rumah sakit dan terbatasnya jumlah dan tenaga para dokter dan perawat maka diperlukan sebuah sistem untuk membantu dokter memberikan rekomendasi perangkingan pasien yang dapat masuk sebagai pasien rawat inap sehingga pasien, penggunaan ruangan, fasilitas serta tenaga yang ada menjadi lebih efisien serta mampu menolong semua pasien yang benar-benar membutuhkan. Dengan pemodelan yang diajukan AHP dapat membantu memberikan keputusan yang cepat dan dengan algoritma logistic regression mampu membantu mempercepat keputusan dari salah satu kriteria pada AHP yang digunakan dengan tingkat akurasi pengklasifikasian kondisi paru paru pasien sebesar 97.14%.
Analisis Seleksi Tingkat Kecocokan Gambar pada MDID Multimedia Database Dengan Menggunakan Metode ImageDNA Jimmy Moedjahedy; Hamada Zein; Isdayani B; Erfan Tongalu; Kusrini Kusrini; M. Syukri Mustafa
CogITo Smart Journal Vol 6, No 1 (2020): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (798.177 KB) | DOI: 10.31154/cogito.v6i1.223.50-59

Abstract

Dengan semakin tersedianya pilihan informasi digital saat ini, definisi multimedia yang umum diterima adalah kombinasi dari berbagai media seperti teks, gambar, suara, video, animasi. Dalam teoris basisdata, multimedia basisdata mulai dikenalkan yaitu kumpulan data multimedia terkait. Basisdata yang dipilih untuk optimasi dalam penelitian ini adalah MDID (Multiply Distorted Image Database) yang terdiri dari 20 gambar referensi dan 1600 gambar yang sudah diberikan distorsi. Basidata 1600 gambar tersebut akan diuji kecocokan dengan 20 gambar referensi dengan menggunakan metode ImageDNA. Nilai ImageDNA kemudian dilakukan uji data pencilan, sehingga gambar yang nilai ImageDNAnya ekstrim akan dikeluarkan dari basisdata MDID. Hasil dari penelitian ini adalah ada 100 gambar yang dikeluarkan
Pengembangan Kepribadian Islami Anak Usia Sekolah Dasar melalui Safari Ramadhan Muhammad Fariz Ijlal Rafi; Abdul Rahim; Hamada Zein; Muhammad Taufiq Sumadi
Jurnal Abdimas Mahakam Vol. 7 No. 02 (2023): Juli
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24903/jam.v7i02.2340

Abstract

Saat ini anak-anak menjadi pihak yang tidak luput dari gempuran informasi, padahal anak-anak merupakan usia emas dimana penyerapan informasi dan pengetahuan sedang berada dipuncaknya. Pendidikan karakter islami menjadi hal yang perlu dilakukan sejak dini untuk dapat membentuk masyarakat yang berakhlak islami dan mencegah prilaku buruk yang mungkin timbul dari informasi yang salah. Salah satu cara yang dapat dilakukan untuk membentuk karakter adalah dengan memberikan teladan yang baik sebagai contoh. Tentu saja teladan yang baik bukan hanya dari perilaku kita, namun juga bisa dari kisah-kisah Nabi dan Rasul. Pengabdian ini dilakukan dengan menceritakan kisah-kisah pada nabi dan Rasul dengan kemudian dilakukan mini games sebagai salah satu cara untuk melihat sejauh mana anak-anak memahami dan nilai apa yang dapat diambil dari kisah para Nabi dan Rasul ini. Jumlah peserta dalam kegiatan ini ada 17 anak dengan lama kegiatan adalah dua hari. Dari 17 anak yang menjadi peserta, sebanyak sembilan anak mampu menjelaskan apa saja nilai-nilai dalam kisah nabi dan Rasul yang diceritakan. Sedangkan enam anak hanya mampu menyebutkan setidaknya satu nilai baik dalam kisah yang diberikan
Optimizing Neurodegenerative Disease Classification with Canny Segmentation and Voting Classifier: An Imbalanced Dataset Study A. Sinra; Bagus Satrio Waluyo Poetro; Husni Angriani; Hamada Zein; Izmy Alwiah Musdar; Medi Taruk
International Journal of Artificial Intelligence in Medical Issues Vol. 1 No. 2 (2023): International Journal of Artificial Intelligence in Medical Issues
Publisher : Yocto Brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijaimi.v1i2.97

Abstract

This study explores the efficacy of a Voting Classifier, combining Logistic Regression, Random Forest, and Gaussian Naive Bayes, in the classification of neurodegenerative diseases, focusing on Alzheimer's Disease (AD), Parkinson’s Disease (PD), and control groups. Utilizing a dataset pre-processed with Canny segmentation and Hu Moments feature extraction, the research aimed to address the challenges posed by imbalanced datasets in medical image classification. The classifier's performance was evaluated through a 5-fold cross-validation approach, with metrics including accuracy, precision, recall, and F1-Score. The results revealed a consistent recall rate of approximately 46% across all folds, indicating the model's effectiveness in identifying cases of neurodegenerative diseases. However, the precision and F1-Score were notably lower, averaging around 22% and 29%, respectively, underscoring the difficulties in achieving accurate classification in imbalanced datasets. The study contributes to the understanding of machine learning applications in medical diagnostics, specifically in the challenging context of neurodegenerative disease classification. It highlights the potential of using advanced image processing techniques combined with machine learning ensembles in enhancing diagnostic accuracy. However, it also draws attention to the inherent challenges in such approaches, particularly regarding precision in imbalanced datasets. Recommendations for future research include exploring data balancing techniques, alternative feature extraction methods, and different machine learning algorithms to improve the precision and overall performance. Additionally, applying the model to a broader and more diverse dataset could provide more generalizable and robust findings. This study is significant for researchers and practitioners in medical imaging and machine learning, offering insights into the complexities and potential of automated disease classification
Co-Authors A. Sinra Abdul Rahim Bagus Satrio Waluyo Poetro Erfan Tongalu Husni Angriani Isdayani B Izmy Alwiah Musdar Jimmy H Moedjahedy Kusrini Kusrini Kusrini, Kusrini M. Syukri Mustafa Muhammad Fariz Ijlal Rafi Muhammad Taufiq Sumadi Prasetio, Dimaz Arno Supriatin Supriatin Taruk, Medi