Melola Discovery

← Melola Discovery

Jurnal

Desain Algoritma Jaringan Syaraf Tiruan (JST) untuk Identifikasi Covid-19 dan Pneumonia

Jurnal Phi : Jurnal Pendidikan Fisika dan Fisika Terapan · Vol. 9 No. 1 (2023) · hlm. 21–29

DOI
10.22373/p-jpft.v9i1.15038
ISSN
2549-7162, 2460-4348
Terbit
2023-03-03
Penerbit
Universitas Islam Negeri Ar-Raniry
Bahasa
eng

Abstrak

Kementerian Kesehatan Republik Indonesia menyatakan bahwa penyakit Covid-19 merupakan kasus global yang menyerang lebih dari seratus juta jiwa pada tahun 2021. Sedangkan, pneumonia menjadi penyebab utama kematian pada bayi dan balita di Indonesia. Penyakit yang disebabkan oleh virus ini membutuhkan penanganan yang cepat dan tepat untuk meminimalisir penyebaran. Penyakit ini dapat diidentifikasi dengan analisis gejala, tes PCR, atau pengenalan citra radiologi. Adanya kesamaan gejala serta waktu dan biaya yang tidak sedikit untuk tes PCR, menyebabkan identifikasi penyakit terhambat. Berdasarkan hal tersebut, dibangunlah suatu sistem pendeteksi penyakit Covid-19 dan pneumonia menggunakan Jaringan Syaraf Tiruan (JST) metode propagasi balik. JST yang dibentuk terdiri atas lapisan masukan yang merupakan data numerik fitur citra paru pasien normal, penderita Covid-19 dan pneumonia, lapisan tersembunyi berisi kumpulan proses identifikasi, serta lapisan luaran yang berisi luaran yang diharapkan yaitu jenis paru normal, penderita Covid-19, dan pneumonia. Setelah serangkaian pelatihan untuk sistem mempelajari data, didapatkan hasil yang paling baik yaitu dengan menggunakan kombinasi pembelajaran dengan fungsi aktivasi tanh, learning rate 0,001 dan epoch 10000 kali. Dari hasil pengujian sistem, didapatkan akurasi dari 66,677% sampai 96,67%.

Jaringan kolaborasi para penulis

40 penulis · 138 tautan kepenulisan bersama · 7 lintas organisasi · menampilkan 40 yang paling banyak terhubung

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • State University of Makassar
  • Tadulako University
  • State University of Semarang
  • Universitas Nahdlatul Ulama Kalimantan Timur
  • Universitas Esa Unggul
  • Hasanuddin University
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Djufri DjufriAfiliasi tidak diketahui4
Muhardi MuhardiAfiliasi tidak diketahui3
Cut NurmaliahAfiliasi tidak diketahui3
Khairil KhairilAfiliasi tidak diketahui3
Asifa AsriAfiliasi tidak diketahui3
Mega NurhanisaAfiliasi tidak diketahui3
MuhardiAfiliasi tidak diketahui2
Eriawati EriawatiAfiliasi tidak diketahui2
Ainol MardiyahAfiliasi tidak diketahui2
Kusyanti KusyantiAfiliasi tidak diketahui2
Ismul HudaAfiliasi tidak diketahui2
Wardiah WardiahAfiliasi tidak diketahui2
Samingan SaminganAfiliasi tidak diketahui2
Wahyudin WahyudinTadulako University1
Syahruddin SyahruddinState University of Makassar1
Arief YuliantoState University of Semarang1
Widiyanto WidiyantoAfiliasi tidak diketahui1
Roso SubarkahAfiliasi tidak diketahui1
Nur RahmahUniversitas Nahdlatul Ulama Kalimantan Timur1
Iswadi IswadiUniversitas Esa Unggul1
Asiah AsiahAfiliasi tidak diketahui1
Devi SyafriantiAfiliasi tidak diketahui1
Sri RahayuHasanuddin University1
Adriani AdrianiAfiliasi tidak diketahui1
M. RidwanAfiliasi tidak diketahui1
Haryadi HaryadiAfiliasi tidak diketahui1
Helmi Suryani NasutionAfiliasi tidak diketahui1
Rd. HalimAfiliasi tidak diketahui1
Hendra Dhermawan SitanggangAfiliasi tidak diketahui1
Renny ListiawatyAfiliasi tidak diketahui1
Dwi NoerjodiantoAfiliasi tidak diketahui1
Jodion SibuarianAfiliasi tidak diketahui1
Praditia Eko Prasetyo UtomoAfiliasi tidak diketahui1
Ummi KalsumAfiliasi tidak diketahui1
Adriati AdriatiAfiliasi tidak diketahui1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://jurnal.ar-raniry.ac.id/index.php/jurnalphi/oai, pertama di-harvest 7 Nov 2026, terakhir terlihat 7 Nov 2026.
Metadata asli (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="id">Desain Algoritma Jaringan Syaraf Tiruan (JST) untuk Identifikasi Covid-19 dan Pneumonia</dc:title>
	<dc:creator xml:lang="id">Lestari, Tri Mukti</dc:creator>
	<dc:creator xml:lang="id">Wahyuni, Dwiria</dc:creator>
	<dc:creator xml:lang="id">nurhasanah, Nurhasanah</dc:creator>
	<dc:creator xml:lang="id">hasanuddin, Hasanuddin</dc:creator>
	<dc:creator xml:lang="id">Perdhana, Radhitya</dc:creator>
	<dc:description xml:lang="id">Kementerian Kesehatan Republik Indonesia menyatakan bahwa penyakit Covid-19 merupakan kasus global yang menyerang lebih dari seratus juta jiwa pada tahun 2021. Sedangkan, pneumonia menjadi penyebab utama kematian pada bayi dan balita di Indonesia. Penyakit yang disebabkan oleh virus ini membutuhkan penanganan yang cepat dan tepat untuk meminimalisir penyebaran. Penyakit ini dapat diidentifikasi dengan analisis gejala, tes PCR, atau pengenalan citra radiologi. Adanya kesamaan gejala serta waktu dan biaya yang tidak sedikit untuk tes PCR,  menyebabkan identifikasi penyakit terhambat. Berdasarkan hal tersebut, dibangunlah suatu sistem pendeteksi penyakit Covid-19 dan pneumonia menggunakan Jaringan Syaraf Tiruan (JST) metode propagasi balik. JST yang dibentuk terdiri atas lapisan masukan yang merupakan data numerik fitur citra paru pasien normal, penderita Covid-19 dan pneumonia, lapisan tersembunyi berisi kumpulan proses identifikasi, serta lapisan luaran yang berisi luaran yang diharapkan yaitu jenis paru normal, penderita Covid-19, dan pneumonia. Setelah serangkaian pelatihan untuk sistem mempelajari data, didapatkan hasil yang paling baik yaitu dengan menggunakan kombinasi  pembelajaran dengan fungsi aktivasi tanh, learning rate 0,001 dan epoch 10000 kali. Dari hasil pengujian sistem, didapatkan akurasi dari 66,677% sampai 96,67%.</dc:description>
	<dc:publisher xml:lang="en">Universitas Islam Negeri Ar-Raniry</dc:publisher>
	<dc:date>2023-03-03</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jurnal.ar-raniry.ac.id/index.php/jurnalphi/article/view/15038</dc:identifier>
	<dc:identifier>10.22373/p-jpft.v9i1.15038</dc:identifier>
	<dc:source xml:lang="en">Jurnal Phi : Jurnal Pendidikan Fisika dan Fisika Terapan; Vol. 9 No. 1 (2023); 21-29</dc:source>
	<dc:source xml:lang="id">Jurnal Phi: Kurnal Pendidikan Fisika &amp; Terapan; Vol 9 No 1 (2023); 21-29</dc:source>
	<dc:source>2549-7162</dc:source>
	<dc:source>2460-4348</dc:source>
	<dc:source>10.22373/p-jpft.v9i1</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://jurnal.ar-raniry.ac.id/index.php/jurnalphi/article/view/15038/pdf</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2023 Tri Mukti Lestari, Dwiria Wahyuni, Nurhasanah nurhasanah, Hasanuddin hasanuddin, Radhitya Perdhana</dc:rights>
</oai_dc:dc>