Aris Puji Widodo

Detection Lung Cancer Using Gray Level Co-Occurrence Matrix (GLCM) and Back Propagation Neural Network Classification

Lung cancer prevalence is one of the highest of cancers, at 18 %. One of the first steps in lung cancer diagnosis is sampling of lung tissues or biopsy. These tissue samples are then microscopically analyzed. This procedure is taken once imaging tests indicate the presence of cancer cells in the chest. Lung cancer diagnosis using lung tissue sample microscopic analysis has some weakness. One of them is that doctor still relies on subjective visual observation. A medical specialist must do thorough observation and accurate analysis in detecting lung cancer in patients. Hence, there is need for a system that is capable for detecting lung cancer automatically from microscopic images of biopsy. This method will improve the accuracy and efficiency for lung cancer detection. The aim of this research is to design a lung cancer detection system based on analysis of microscopic image of biopsy using digital image processing. Microscopic images of biopsy are feature extracted with the Gray Level Co-Occurrence Matrix (GLCM) method and classified using back propagation neural network. This method is implemented to detection both normal and cancerous lung of biopsy samples. In the stage of training, 20 biopsy image samples were analyzed using back propagation neural network with 95% accuracy. On the other hand, 16 biopsy samples were analyzed during testing, with an accuracy of 81.25%. These results show that microscopic biopsy image processing can be implemented in a system of lung cancer detection.

PENGAMANAN DATA FOTO PADA PERANGKAT OS ANDROID MENGGUNAKAN TEKNIK KRIPTOGRAFI HILL CIPHER

Pengujian perangkat lunak merupakan elemen kritis dalam menentukan kualitas suatu perangkat lunak. Pengujian ini meliputi desain, spesifikasi, dan koding. Penelitian ini bertujuan menguji kualitas perangkat lunak sistem informasi akademik di Universitas Islam Negeri Sunan Kalijaga. Pengujian ini menggunakan kerangka kerja McCall pada aspek product operation. Lima metrik yang diuji adalah correctness, reliability, efficiency, integrity, dan usability. Hasil pengujian menunjukan bahwa sistem informasi akademik ini memiliki kualitas yang baik dengan nilai di atas 70.Kabupaten XYZ merupakan salah satu kabupaten di Jawa Tengah yang mempunyai daerah agraris yang sangat potensial dalam bidang pertanian, perkebunan, peternakan, perikanan dan pariwisata. Sektor pertanian di Kabupaten XYZ merupakan sektor strategis yang mempunyai keterkaitan erat dengan pengurangan kemiskinan, upaya mengatasi pengangguran, usaha membangun ketahanan pangan, memproduksi dan membeli pangan, usaha pelestarian lingkungan dan basis pembangunan ekonomi daerah. Sistem Informasi Geografis (SIG) dibutuhkan untuk dapat mengatasi kesulitan mengidentifikas potensi komoditas pertanian di setiap kecamatan. Informasi yang dapat diperoleh dari SIG berupa informasi spasial maupun non spasial dan forecasting atau peramalan data pertanian dari tahun-tahun sebelumnya. Kata Kunci : Komoditas pertanian, SIG, ForecastingUMKM mengalami kendala dalam menjaga dan mengembangkan knowledge yang mereka miliki. Konsep knowledge sharing sebagai bagian dari aktivitas knowledge management dapat menjadi solusi dari permasalahan ini dan kemudian UMKM dapat mencapai efisiensi, strategi inovasi dan meningkatkan produktivitas. Penulis menggunakan studi literatur dalam menggagas knowledge management untuk UMKM. Hasil temuan menunjukkan bahwa UMKM dapat menerapkan knowledge sharing baik secara informal berupa komunikasi yang sangat dekat di antara karyawan dan pimpinan serta konsultan eksternal. Selain itu juga dapat dirancang sistem berbasis komp uter sebagai sarana knowledge sharing yang memungkinkan terjadinya transfer knowledge dari tacit knowledge ke explicit knowledge atau sebaliknya bahkan juga proses transfer knowledge dari di antara tacit knowledge.Support Vector Machine (SVM) dan Naive Bayes Classifier (NBC) merupakan dua algoritma yang sangat polpuler untuk text mining, khususnya untuk klasifikasi teks. Pada penelitian-penelitian sebelumnya SVM cenerung menghasilkan performa yang lebih baik dari NBC pada segi akurasi hasil klasifikasi. Salah satu hal yang menarik dari penelitian-penelitian sebelumnya adalah penggunaan jenis data yang hamper sama antara satu dengan lainnya. Penelitian-penelitian sebelumnya kebanyakan menggunakan data tweet dari situs Twitter. Data tweet merupakan jenis teks yang informal dengan banyak sekali noise dan tidak mengindahkan aturan tata bahasa. Pada penelitian kali ini, akan algoritma SVM dan NBC akan diujicobakan kedalam data teks yang lebih formal, yakni data dari judul-judul artikel. Dalam percobaan yang sudah dilakukan, didapatkan hasil yang berbeda dengan penelitian sebelumnya. Pada klasifikasi teks judul artikel NBC memiliki performa akurasi yang lebih baik jika dibandingkan dengan SVM.