Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal e-Jurnal Arus Elektro Indonesia DINTEK Building of Informatics, Technology and Science
Muhammad Dzikrullah Suratin, Muhammad Dzikrullah
Universitas Muhammadiyah Maluku Utara, Ternate
Computer Science & IT Electrical & Electronics Engineering Engineering

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
Identifikasi Sel Acute Lymphoblastic Leukemia (ALL) pada Citra Peripheral Blood Smear Berdasarkan Morfologi Sel Darah Putih Suratin, Muhammad Dzikrullah; Rahmadwati, Rahmadwati; Muslim, Aziz
e-Jurnal Arus Elektro Indonesia Vol 1, No 3 (2015)
Publisher : e-Jurnal Arus Elektro Indonesia

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

Abstract

Penelitian ini mengajukan sebuah sistem untuk melakukan identifikasi sel Acute Lymphoblastic Leukemia (ALL) pada citra sediaan apus darah berdasarkan ciri morfologi. Agoritma yang digunakan meliputi beberapa langkah: pra-pengolahan, segmentasi citra, perhitungan fitur dan klasifikasi. Algoritma K-means Clustering berdasarkan segmentasi warna digunakan untuk memisahkan citra apus darah menjadi empat daerah: latar belakang, nukleus WBC, sitoplasma WBC dan RBC. Nukleus yang tumpang tindih kemudian dipisahkan dengan mengaplikasikan metode Watershed Transform. Berdasarkan lima fitur morfologi yaitu area, perimeter, diameter, roundness dan compactness, citra apus darah diklasifikasikan menggunakan metode Support Vector Machine. Hasil penelitian ini didapatkan akurasi pengenalan sel ALL dan sel darah putih normal sebesar 95.45%.
PENGHITUNG JUMLAH SEL DARAH MERAH MENGGUNAKAN JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION Suratin, Muhammad Dzikrullah
DINTEK Vol 10 No 1 (2017): DINTEK Vol. 10 No.1, Maret 2017
Publisher : Fakultas Teknik UMMU

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

Abstract

Tujuan penelitian pembuatan Program yang memiliki kemampuan untuk mengenali citra sel darah merah danS menghitung jumlahnya.  Ketelitian dan konsentrasi dokter sangat menentukan hasil analisis.  Di lain pihak analisis preparat darah tepi tidak menghasilkan bukti citra sehingga tidak dapat dianalisis oleh banyak dokter. Analisis citra merupakan salah satu metode dalam pengolahan citra digital. Proses pengenalan citra / training pada aplikasi ini menggunakan jaringan saraf tiruan dengan metode backpropagation. Proses prapengolahan citra digital dimulai dari akuisisi data citra, konversi citra dengan metode laplacian, Training citra sel darah merah, hingga citra siap untuk dianalisis.  Analisis citra yang dilakukan dalam hal ini adalah pencacahan jumlah sel darah merah.
PENGHITUNG JUMLAH SEL DARAH MERAH MENGGUNAKAN JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION Suratin, Muhammad Dzikrullah
DINTEK Vol 10 No 1 (2017): DINTEK Vol. 10 No.1, Maret 2017
Publisher : Fakultas Teknik UMMU

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

Abstract

Tujuan penelitian pembuatan Program yang memiliki kemampuan untuk mengenali citra sel darah merah danS menghitung jumlahnya.  Ketelitian dan konsentrasi dokter sangat menentukan hasil analisis.  Di lain pihak analisis preparat darah tepi tidak menghasilkan bukti citra sehingga tidak dapat dianalisis oleh banyak dokter. Analisis citra merupakan salah satu metode dalam pengolahan citra digital. Proses pengenalan citra / training pada aplikasi ini menggunakan jaringan saraf tiruan dengan metode backpropagation. Proses prapengolahan citra digital dimulai dari akuisisi data citra, konversi citra dengan metode laplacian, Training citra sel darah merah, hingga citra siap untuk dianalisis.  Analisis citra yang dilakukan dalam hal ini adalah pencacahan jumlah sel darah merah.
Identifikasi Sel Acute Lymphoblastic Leukemia (ALL) pada Citra Peripheral Blood Smear Berdasarkan Morfologi Sel Darah Putih Muhammad Dzikrullah Suratin; Rahmadwati Rahmadwati; Aziz Muslim
Jurnal Arus Elektro Indonesia Vol 1 No 3 (2015)
Publisher : Fakultas Teknik, Universitas Jember

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

Abstract

Penelitian ini mengajukan sebuah sistem untuk melakukan identifikasi sel Acute Lymphoblastic Leukemia (ALL) pada citra sediaan apus darah berdasarkan ciri morfologi. Agoritma yang digunakan meliputi beberapa langkah: pra-pengolahan, segmentasi citra, perhitungan fitur dan klasifikasi. Algoritma K-means Clustering berdasarkan segmentasi warna digunakan untuk memisahkan citra apus darah menjadi empat daerah: latar belakang, nukleus WBC, sitoplasma WBC dan RBC. Nukleus yang tumpang tindih kemudian dipisahkan dengan mengaplikasikan metode Watershed Transform. Berdasarkan lima fitur morfologi yaitu area, perimeter, diameter, roundness dan compactness, citra apus darah diklasifikasikan menggunakan metode Support Vector Machine. Hasil penelitian ini didapatkan akurasi pengenalan sel ALL dan sel darah putih normal sebesar 95.45%.
Implementasi Bee Colony Optimization Pada Pemilihan Centroid (Klaster Pusat) Dalam Algoritma K-Means Ika Arfiani; Herman Yuliansyah; Muhammad Dzikrullah Suratin
Building of Informatics, Technology and Science (BITS) Vol 3 No 4 (2022): Maret 2022
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (436.104 KB) | DOI: 10.47065/bits.v3i4.1446

Abstract

Clustering is a method that is used to divide the data into several groups of parts. K-means (KM) is an algorithm that is often used in clustering, only just the result of KM often times get stuck in local optima i.e. the optimal solution (both maximum or minimal) on the candidate solution in the nearest neighbor only, not the whole of all existing solutions or what is commonly called the global optima. In this study aims to do improve the cluster determination process on the Kmeans algorithm using the Bee Colony Optimization (BCO) algorithm. BCO is an algorithm that works based on the way the bees search for food , BCO is famous for being able to escape from the local optima trap by recognizing which results are best from a series of optimal results . Combining BCO with KM begins with selecting a source of food early in random and using KM to resolve all the problems of clustering at every step BCO next and keep sources of food best in each iteration. The result of this research is that the BCOKM method has been proven to be able to solve the problem of data sharing, where the BCOKM method is able to form a good cluster, as shown by the resulting fitness value (the lowest value is 1221.53 and the highest value is 1233.28) all of which are better than the fitness value using K-means (1251.42). Likewise in terms of accuracy, where the use of BCOKM all showed better results (83.16%-83.30%) than the use of only K-means (83.09%)
PENGHITUNG JUMLAH SEL DARAH MERAH MENGGUNAKAN JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION Muhammad Dzikrullah Suratin
DINTEK Vol 10 No 1 (2017): DINTEK Vol. 10 No.1, Maret 2017
Publisher : Fakultas Teknik UMMU

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

Abstract

Tujuan penelitian pembuatan Program yang memiliki kemampuan untuk mengenali citra sel darah merah danS menghitung jumlahnya. Ketelitian dan konsentrasi dokter sangat menentukan hasil analisis. Di lain pihak analisis preparat darah tepi tidak menghasilkan bukti citra sehingga tidak dapat dianalisis oleh banyak dokter. Analisis citra merupakan salah satu metode dalam pengolahan citra digital. Proses pengenalan citra / training pada aplikasi ini menggunakan jaringan saraf tiruan dengan metode backpropagation. Proses prapengolahan citra digital dimulai dari akuisisi data citra, konversi citra dengan metode laplacian, Training citra sel darah merah, hingga citra siap untuk dianalisis. Analisis citra yang dilakukan dalam hal ini adalah pencacahan jumlah sel darah merah.
Co-Authors Aziz Muslim Herman Yuliansyah Ika Arfiani Muhammad Aziz Muslim Rahmadwati Rahmadwati Rahmadwati, n/a