Nurul Amanda Pratiwi Hasbullah
Universitas Negeri Makassar

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Journal of Deep Learning, Computer Vision and Digital Image Processing

MEDICINE CLASSIFICATION BASED ON LOGO ON PACKAGING USING K-NEAREST NEIGHBOR ALGORITHM BASED ON DIGITAL IMAGES: KLASIFIKASI JENIS OBAT BERDASARKAN LOGO PADA KEMASAN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR BERBASIS CITRA DIGITAL Trisakti Akbar; Marwan Ramdhany Edy; Nurul Amanda Pratiwi Hasbullah; Rifaldy Alam Saputra; Muhammad Akbar Amir
Journal of Deep Learning, Computer Vision, and Digital Image Processing Volume 1 Issue 1 Maret 2023
Publisher : CV. Sakura Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61255/decoding.v1i1.48

Abstract

Obat adalah suatu zat yang dikonsumsi untuk menjaga kesehatan, menyembuhkan, dan mencegah penyakit. Penggunaan obat lazim kita temui dalam kehidupan sehari-hari, baik untuk keperluan penyembuhan, pencegahan penyakit maupun sebagai suplemen kesehatan. Meski begitu, kemudahan mendapatkan obat juga membawa dampak negatif. Misalnya, semakin banyak masyarakat yang menggunakan obat secara irasional. Pengetahuan masyarakat terkait penggolongan dan pola logo pada kemasan obat masih kurang sehingga obat yang diharapkan dapat menyembuhkan penyakit justru dapat membahayakan diri masyarakat yang mengkonsumsinya. Sebelumnya telah dilakukan penelitian untuk mengklasifikasikan jenis obat berbasis citra digital, namun proses cropping logo masih dilakukan secara manual. Oleh karena itu, penelitian ini mengusulkan metode baru untuk mengklasifikasikan jenis obat berdasarkan logo pada kemasannya menggunakan metode K-Nearest Neighbor (K-NN) dengan ekstraksi fitur warna. Tahapan metode yang diusulkan terdiri dari akuisisi citra, preprocessing, deteksi tepi, Circle Hough Transformation, segmentasi citra, cropping dan resize, ekstraksi fitur, dan klasifikasi. Berdasarkan hasil pengujian yang dilakukan, diperoleh tingkat akurasi sebesar 93,33%. Hasil pengujian tersebut menunjukkan bahwa metode yang diusulkan dapat mengklasifikasikan jenis obat dengan tingkat akurasi yang tinggi.
Penghitungan Jumlah Sel Darah Merah pada Citra Menggunakan Hough Transform Ananta Dwi Prayoga Alwy; Kurnia Prima Putra; Andi Nurul Izzah; Nurul Amanda Pratiwi Hasbullah; Bukhari Naufal Nur Ag; Muhammad Fajar B
Journal of Deep Learning, Computer Vision, and Digital Image Processing Volume 1 Issue 1 Maret 2023
Publisher : CV. Sakura Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61255/decoding.v1i1.50

Abstract

Darah adalah cairan yang terdiri dari sel-sel khusus yang tersuspensi dalam media plasma. Komponen seluler darah terdiri dari tiga jenis sel yaitu sel darah merah (eritrosit), sel darah putih (leukosit) dan platelet (trombosit). Fungsi utama sel darah merah (RBC) adalah untuk mengangkut oksigen dari paru-paru ke jaringan dan karbon dioksida dari jaringan ke paru-paru. Jumlah sel darah merah penting dilakukan untuk mengetahui tanda penyakit yang mungkin memerlukan bantuan medis. Oleh karena itu, penelitian ini dilakukan untuk membuat sistem penghitung jumlah sel darah merah yang ada pada manusia menggunakan hough transform, operasi morfologi dan proses segmentasi. Beberapa penelitian sebelumnya, telah dilakukan beberapa metode dan tahapan unuk melakukan penghitung jumlah sel darah merah. Namun, peneliti sebelumnya hanya menggunakan citra sel darah merah saja. Pada penelitian ini, peneliti menggunakan citra yang terdapat sel darah putih sehingga sistem ini mampu menghitung jumlah sel darah merah walaupun didalam citra terdapat sel darah putih. Dari hasil pengujian sistem berdasarkan metode yang diusulkan yaitu algoritma Hough Transform mendapatkan nilai akurasi sebesar 91%.