Articles

Found 23 Documents
Search

IDENTIFICATION OF PLASMODIUM FALCIPARUM AND PLASMODIUM VIVAX ON DIGITAL IMAGE OF THIN BLOOD FILMS GF Adi Nugroho, Hanung; Wibawa, Made Satria; Setiawan, Noor Akhmad; Herdiana Murhandarwati, E. Elsa; Budiani Buana, Ratna Lestari
Indonesian Journal of Electrical Engineering and Computer Science Vol 13, No 3: March 2019
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijeecs.v13.i3.pp933-944

Abstract

Observing presence of Plasmodium parasite of stained thick or thin blood films through microscopic examination is a gold standard for malaria diagnosis.  Although the microscopic examination has been extensively used, misidentification might occur caused by human factors.  In order to overcome misidentification problem, several studies have been conducted to develop a computer-aided malaria diagnosis (CADx) to assist paramedics in decision-making.  This study proposes an approach to identify species and stage of Plasmodium falciparum and Plasmodium vivax on thin blood films collected from the Laboratory of Parasitology, Faculty of Medicine, Universitas Gadjah Mada.  Adaptive k-means clustering is applied to segment Plasmodium parasites.  A total of 39 features consisting of shape and texture features are extracted and then selected by using wrapper-based forward and backward directions.  Classification is evaluated in two schemes.  The first scheme is to classify the species of parasite into two classes. The second scheme is to classify the species and stage of parasite into six classes.  Three classifiers applied are k-nearest neighbour (KNN), support vector machine (SVM) and multi-layer perceptron (MLP).  Furthermore, to facilitate the multiclass classification, one-versus-one (OVO) and one-versus-all (OVA) methods are implemented.  The first scheme achieves the accuracy of 88.70% based on MLP classifier using three selected features.  While the accuracy gained by the second scheme is 95.16% based on OVO and MLP classifier using 29 selected features.  These results indicate that the proposed approach successfully identifies the species and stage of parasite on thin blood films and has potential to be implemented in the CADx system for assisting paramedics in diagnosing malaria.
ANALISIS JEJARING MEDIA SOSIAL UNTUK PEMETAAN PADA KOMUNITAS ONLINE Yuliana, Irma; Santosa, Paulus Insap; Setiawan, Noor Akhmad
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2015
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Abstract

Aplikasi media sosial yang beragam seperti email,forum diskusi online, blogs, micro- blogs dan wikis telah banyakdigunakan oleh milyaran orang di seluruh penjuru dunia.Komunikasi in terhubung melalui desktop dan aplikasi berbasisweb, baik fixed maupun dengan perngkat mobile yang sangatmemungkinkan terciptanya struktur jejaring sosial yang cukupkompleks. Pelakunya tidak hanya perorangan namun jugasecara organisasi maupun komunitas. Mencermati bagaimanainteraksi dan relasi yang terjalin hingga berkembangnyajaringan, berubah, gagal maupun sukses merupakan hal yangmenarik untuk diteliti. Berfokus pada komunitas onlinepenggemar dan praktisi seni beladiri Indonesia yang dibentukmelalui grup di Facebook, penulis berupaya menggaliketerhubungan antar anggota hingga menemukan pola danmelakukan pemetaan melalui klustering untuk mengidentifikasijenis beladiri yang tergabung di dalamnya. Metode yangdigunakan adalah Social Network Analysis terhadap data yangdiperoleh dari Facebook API. Dengan menggunakan perangkatlunak Microsoft NodeXL, struktur dalam komunitas terbagidalam 11 klaster dengan masing â?? masing tokohnya. Penelitianini diharapkan dapat membantu pengguna untuk mendapatkaninformasi dari suatu komunitas online tanpa harus membacasatu persatu informasi di dalamnya
MENGGUNAKAN DATA MINING UNTUK SEGMENTASI CUSTOMER PADA BANK UNTUK MENINGKATKAN CUSTOMER RELATIONSHIP MANAGEMENT (CRM) DENGAN METODE KLASIFIKASI (AGORITMA J-48, ZERO-R DAN NAIVE BAYES) Maghfirah, Maghfirah; Adji, Teguh Bharata; Setiawan, Noor Akhmad
Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Vol 1, No 1 (2015): PROSIDING SEMINAR NASIONAL SAINS DAN TEKNOLOGI 6 2015
Publisher : Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik

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

Abstract

Paper ini akan membahas mengenai salah satu model strategi pemasaran yaitu Customer Segmentation yang membantu pihak bank untuk membagi pasar menjadi kelompok nasabah yang terbedakan dengan kebutuhan, karakteristik atau tingkah laku yang berbada yang mungkin membutuhkan produk atau bauran pemasaran yang terpisah. Customer Segmentation dapat dilakukan dengan bantuan teknik Data Mining. Oleh karena itu, dalam paper ini akan dilakukan analisis dari dataset yang berasal dari data Bank Marketing dari marketing sebuah Bank di Portugis yang berhubungan dengan berlangganan Deposito Bank dengan menggunakan salah satu dari teknik data mining yaitu teknik Classification dengan membandingkan algoritma Naive Bayes, Rules Zero-R, dan Trees J-48. Dan hasil dari penerapan ketiga algoritma tersebut dalam paper ini menunjukkan bahwa dengan algoritma J-48 memberikan hasil terbaik dengan error rate terkecil, yaitu 5.8769%. Sedangkan jika dilihat dari segi efiesiensi waktu dan hasil klasifikasi, algoritma Zero-R memberikan hasil terbaik (0,03 detik). Selanjutnya dari hasil yang telah diperoleh tersebut diharapkan dapat dihasilkan Customer Segmentation yang sesuai dengan kebutuhan bank yang dapat meningkatkan kualitas servis dan revenue dari bank tersebut. Kata Kunci : Bank Customer Segmentation, Classification, Datamining
Peningkatan Nilai Recall dan Precision pada Penelusuran Informasi Pustaka Berbasis Semantik (Studi Kasus : Sistem Informasi Ruang Referensi Jurusan Teknik Elektro dan Teknologi Informasi UGM) Novianti, Kadek Dwi Pradnyani; Setiawan, Noor Akhmad; Kusumawardani, Sri Suning
Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) 2015
Publisher : Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (653.05 KB)

Abstract

Sistem Informasi Ruang Referensi (SIRREF) JTETI UGM memiliki permasalahan dalam penelusuran informasi pustaka. Kesenjangan pemahaman makna antara pengguna dan mesin pencari serta tidak terpenuhinya persepsi pengguna yang terjadi ketika pengguna melakukan penelusuran informasi dapat diatasi dengan penerapan teknologi web semantik, dimana ontologi dapat diaplikasikan untuk merepresentasikan informasi pustaka tersebut sehingga dapat dipahami dan diproses oleh mesin. Pembangunan ontologi dilakukan menggunakan adopsi METHONTOLOGY yang menghasilkan 5 class yaitu Publication, Department, Keyword, Person dan Publisher. Hasil yang diperoleh menunjukan terjadinya peningkatan nilai recall sebesar 85,87% dan nilai precision sebesar 40,05% pada sistem penelusuran berbasis semantik. Penerapan web semantik dapat meningkatkan relevansi serta ketepatan informasi pustaka yang ditampilkan oleh sistem penelusuran berbasis semantik pada SIRREF JTETI UGM, sehingga mampu mengatasi kesenjangan pemahaman makna yang terjadi dan memenuhi persepsi pengguna.
Decision Support System for Heart Disease Diagnosing Using K-NN Algorithm Yuwono, Tito; Setiawan, Noor Akhmad; Nugroho, Hanung Adi; Persada, Anugrah Galang; Prasojo, Ipin; Dewi, Sri Kusuma; Rahmadi, Ridho
Proceeding of the Electrical Engineering Computer Science and Informatics Vol 2: EECSI 2015
Publisher : IAES Indonesia Section

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eecsi.2.544

Abstract

Heart disease is a notoriously dangerous disease which possibly causing the death. An electrocardiogram (ECG) is used for a diagnosis of the disease. It is often, however, a fault diagnosis by a doctor misleads to inappropriate treatment, which increases a risk of death. This present work implements k-nearest neighbor (K-NN) on ECG data to get a better interpretation which expected to help a decision making in the diagnosis. For experiment, we use an ECG data from MIT BIH and zoom in on classification of three classes; normal, myocardial infarction and others. We use a single decision threshold to evaluate the validity of the experiment. The result shows an accuracy up to 87% with a value of K = 4.
APPROPRIATE DATA MINING TECHNIQUE AND ALGORITHM FOR USING IN ANALYSIS OF CUSTOMER RELATIONSHIP MANAGEMENT (CRM) IN BANK INDUSTRY Maghfirah, Maghfirah Maghfirah; Adji, Teguh Bharata; Setiawan, Noor Akhmad
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2015
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Abstract

Abstractâ??Customer Relationship Management (CRM)adalah ide yang menjadi sebuah peningkatan kepentingan faktorsukses untuk bisnis ke depannya. CRM adalah proses darimengatur interaksi antara sebuah perusahaan danpelanggannya. Pada awalnya, ini termasuk ke dalam segmentasipasar untuk mengidentifikasi pelanggan dengan potensial profityang tinggi, dari strategi pemasaran yang dirancang dengan baikuntuk mempengaruhi tingkah laku dari pelanggan dalam segmentersebut. Dalam masyarakat modern, pelanggan menjadi asetyang penting bagi perusahaan. Hubungan antara pelanggandengan manajemen yang efisien adalah metode yang dibutuhkanuntuk meningkatkan keuntungan lebih dari perusahaan.Termasuk di industri perbankan, misalnya, di sebuahperusahaan industri perbankan digunakan konsep CRMkhususnya dengan menggunakan salah satu model strategipemasaran yaitu Customer Segmentation yang bertujuan untukmembantu pihak bank untuk membagi pasar menjadi kelompoknasabah yang terbedakan dengan kebutuhan, karakteristik atautingkah laku yang berbada yang mungkin membutuhkan produkatau bauran pemasaran yang terpisah. Customer Segmentationdapat dilakukan dengan bantuan teknik Data Mining, sehinggadiharapkan dapat dihasilkan Customer Segmentation yang sesuaidengan kebutuhan bank yang dapat meningkatkan kualitasservis dan revenue dari bank tersebut.Penerapan data mining untuk sistem CRM diperbankan seharusnya menggunakan teknik dan algoritma yangtepat. Untuk itu, paper ini akan membahas mengenai bagaimanacara untuk menentukan teknik dan algoritma data mining yangtepat untuk sistem CRM di perbankan.Keywordsâ??Customer Relationship Management (CRM);Data Mining; Bank Customer Segmentation
ANALISIS MOTIVASI HEDONIS SESEORANG DALAM MENGGUNAKAN MEDIA SOSIAL: STUDI KASUS INSTAGRAM Utama, Kharisma Adi; Nugroho, Eko; Setiawan, Noor Akhmad
Jurnal Buana Informatika Vol 8, No 2 (2017): Jurnal Buana Informatika Volume 8 Nomor 2 April 2017
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v8i2.1081

Abstract

Abstract.Hedonic motivation, which is often called as intrinsic motivation, plays a role in encouraging a person to use a system to meet their needs. Currently, the popular systems used in the fulfilment of one's needs are games and social media. It has been recorded that the users of Instagram, which has been ranked as the second most popular social media in America, has increased as many as 100 thousand people since the middle of 2016, with the total registered users of 600 million. This development raises a question of what drives a person to use social media. This study aims to identify factors that affect a person to use Instagram based on Hedonic Motivation System Adoption Model (HMSAM). The data were then analyzed using Partial Least Square (PLS). After the research was conducted on 245 respondents, the results prove that the motivating factors of a person to use Instagram are perceived ease of use, perceived enjoyment, and control.Keywords: hedonic motivation system adoption system (hmsam), structural equation model (sem), partial least square (pls), social media, instagram. Abstrak.Motivasi hedonis atau sering kali juga disebut dengan motivasi intrinsik berperan dalam mendorong seseorang untuk menggunakan suatu sistem demi memenuhi kebutuhannya. Saat ini sistem yang populer digunakan dalam pemenuhan kebutuhan seseorang tersebut adalah game dan social media. Instagram yang menduduki peringkat ke dua sebagai social media terpopuler di Amerika, tercatat mengalami pertumbuhan sebanyak 100 ribu orang sejak pertengahan 2016 dengan total pengguna yang tercatat sebanyak 600 juta orang. Melihat perkembangan tersebut memunculkan pertanyaan apa yang mendorong seseorang untuk menggunakan sosial media. Penelitian ini akan melihat faktor yang mempengaruhi seseorang menggunakan Instagram berdasarkan Hedonic Motivation System Adoption Model (HMSAM) yang kemudian dianalisis menggunakan metode Partial Least Square (PLS). Hasilnya setelah dilakukan penelitian pada 245 responden terbukti bahwa yang menjadi faktor pendorong seseorang menggunakan Instagram adalah percieve ease of use, percieved enjoyment, dan control.Kata Kunci: hedonic motivation system adoption system (hmsam), structural equation model (sem), partial least square (pls), social media, instagram.
Internal content classification of ultrasound thyroid nodules based on textural features Nugroho, Anan; Nugroho, Hanung Adi; Setiawan, Noor Akhmad; Choridah, Lina
Communications in Science and Technology Vol 1 No 2 (2016)
Publisher : Komunitas Ilmuwan dan Profesional Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21924/cst.1.2.2016.25

Abstract

Ultrasound (US) is one of the best imaging modalities on thyroid identification. The suspicious thyroid is indicated in the existence of palpable nodules whose solid or cystic composition. Solid nodules have high possibility to be malignant than cystic. An effort to detect and classify the internal content of thyroid nodule has become challenge problem in radiology area. Operator dependence of ultrasound imaging makes it complicated due to missing interpretation among radiologists. Objective Computer Aided Diagnosis (CAD) was designed to solve it which works on texture analysis of histogram statistic, gray level co-occurrence matrice (GLCM) and gray level run length matrices (GLRLM). The fine-needle aspiration cytology (FNAC) is not needed because the textural pattern is significantly different between solid and cystic nodules.  Multi-layer perceptron (MLP) was adopted to do classification process for 72 US thyroid images yield an accuracy of 90.28%, the sensitivity of 87.80%, specificity of 93.55% and precision of 94.74%.
Interval type-2 fuzzy logic system for diagnosis coronary artery disease Sajiah, Adha Mashur; Setiawan, Noor Akhmad; Wahyunggoro, Oyas
Communications in Science and Technology Vol 1 No 2 (2016)
Publisher : Komunitas Ilmuwan dan Profesional Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21924/cst.1.2.2016.26

Abstract

Coronary artery disease (CAD) is a disease that has been the deadliest disease in Indonesia. The ratio of cardiologists over potential patients is not appropriate either. Intelligent system which can help doctors or patients for cheap and efficient diagnosing CAD is needed. Medical record data, acquisition of cardiologist knowledge and computing technology can be utilized for developing fuzzy logic based intelligent system. Type-1 fuzzy logic system (T1 FLS) has been widely used in various fields. T1 FS has limitation in representing and modelling uncertainty and minimize the impact. Whereas, type-2 fuzzy set (T2 FS) was also introduced as fuzzy set that can model uncertainty more sophisticated. T2 FLS does have a higher degree of freedom when modeling uncertainty but it is quite difficult to make the membership function. An interval T2 FS is a T2 FS in which the membership grade on third dimension is the same everywhere so it is simpler than T2 FS. This paper aims to clarify the better capability of IT2 FLS over T1 FLS on the development of CAD diagnosis system. Rules and membership function were formulated with the help of fuzzy c-means. This study illustrated the causes of CAD risk factors, fuzzification, type reduction and defuzzification. The resulted system was tested with percentage split method (50%-50%) to produce training data and testing data. This test is performed ten times with random seed to separate the data set. The resulted system generates an average of 73.78% accuracy, 71.94% sensitivity and 76.52% specificity.
Comparison of Distributed K-Means and Distributed Fuzzy C-Means Algorithms for Text Clustering Agastya, I Made Artha; Adji, Teguh Bharata; Setiawan, Noor Akhmad
Communications in Science and Technology Vol 2 No 1 (2017)
Publisher : Komunitas Ilmuwan dan Profesional Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21924/cst.2.1.2017.46

Abstract

Text clustering has been developed in distributed system due to increasing data. The popular algorithms like K-Means (KM) and Fuzzy C-Means (FCM) are combined with MapReduce algorithm in Hadoop Environment to be distributable and parallelizable. The problem is performance comparison between Distributed KM (DKM) and Distributed FCM (DFCM) that use Tanimoto Distance Measure (TDM) has not been studied yet. It is important because TDM’s characteristics are scale invariant while allowing discrimination collinear vectors. This work compared the combination of TDM with DKM (DKM-T) and TDM with DFCM (DFCM-T) to acquire performance of both algorithms. The result shows that DFCM-T has better intra-cluster and inter-cluster densities than those of DKM-T. Moreover, DFCM-T has lower processing time than that of DKM-T when total nodes used are 4 and 8. DFCM-T and DKM-T could perform clustering of 1,400,000 text files in 16.18 and 9.74 minutes but the preprocessing times take hours.