Klaster
Deteksi Nodul Paru pada CT Scan dengan Pengolahan Citra dan Pembelajaran Mesin
Aplikasi ini dirancang untuk membantu proses deteksi awal nodul paru (yang berpotensi sebagai kanker paru) dari citra CT scan paru-paru. Proses deteksi dilakukan dengan tahapan pengolahan citra digital dan klasifikasi berbasis machine learning. Citra diproses untuk mengekstraksi fitur-fitur geometris penting, seperti diameter nodul, luas, dan posisi centroid. Selanjutnya, aplikasi menggunakan tiga metode klasifikasi yaitu Support Vector Machine (SVM), Logistic Regression, dan Perceptron untuk mengidentifikasi apakah suatu nodul termasuk kategori low-risk atau tumor-suspected. Adapun manfaat dari aplikasi ini antara lain adalah sebagai berikut. Manfaat aplikasi: ● Sebagai sistem pendukung keputusan medis (decision support system). ● Meningkatkan efisiensi dalam proses skrining kanker paru secara non-invasif. ● Memberikan visualisasi hasil ekstraksi fitur dan evaluasi performa klasifikasi.
Teknologi Informasi dan Komunikasi
Segmentasi Exudate pada Citra Fundus Pasien Diabetic Retinopathy
Aplikasi ini bertujuan untuk menghasilkan prediksi segmentasi exudate dari input citra fundus. Exudate ini merupakan salah satu gejala yang tampak pada penyakit Diabetic Retinopathy yaitu kebutaan pada pengidap diabetes. Aplikasi ini menggunakan dataset Indian Diabetic Retinopathy image Dataset (IDRiD) sebagai data model training juga patokan anotasi exudate pada dataset untuk petunjuk dan evaluasi pengolahan citra. Aplikasi yang dilakukan akan melakukan berbagai pengolahan citra pada input citra fundus seperti RGB Green channel split, resizing, CLAHE, Gaussian Blur, Image Sharpening yang kemudian akan diproses bentuk datanya untuk bisa digunakan model pembelajaran mesin Random Forest untuk training dan testing. Hasil segmentasi tersebut kemudian divisualisasi dengan bentuk bounding box pada citra fundus yang ingin divisualisasikan segmentasi exudate nya. Manfaat Aplikasi Manfaat dari aplikasi ini berupa deteksi exudate dari sebuah citra 1. Mengurangi Beban Tenaga Medis Dengan sistem otomatis ini, waktu yang dibutuhkan dokter atau tenaga kesehatan untuk memeriksa ratusan citra retina dapat dikurangi secara signifikan. 2. Akurasi Lebih Tinggi dengan Bantuan Komputer Menggunakan kombinasi pengolahan citra dan machine learning, aplikasi ini mampu memberikan hasil deteksi yang lebih konsisten dibandingkan pemeriksaan manual yang rawan kelelahan manusia. 3. Efisien dan Mudah Diintegrasikan Sistem ini dapat diintegrasikan ke dalam perangkat lunak klinik atau rumah sakit untuk mendukung program skrining massal penderita diabetes. 4. Peningkatan Layanan Kesehatan di Daerah Terpencil Dengan sistem otomatis, aplikasi ini berpotensi diterapkan di daerah yang kekurangan dokter spesialis mata, sehingga diagnosis awal tetap dapat dilakukan secara terjangkau dan efisien.
Teknologi Informasi dan Komunikasi
Program Deteksi Tuberkolosis Dari Citra X-Ray
Aplikasi ini merupakan sistem deteksi Tuberkulosis (TBC) berdasarkan analisis citra X-ray dada menggunakan metode pengolahan citra klasik dan algoritma machine learning. Proses yang dilakukan meliputi konversi ke grayscale, peningkatan kualitas citra dengan adaptive histogram equalization, restorasi menggunakan median filter, segmentasi biner, operasi morfologi, ekstraksi fitur bentuk dan tekstur, serta klasifikasi menggunakan algoritma K-Nearest Neighbor (KNN). Manfaat Aplikasi: ● Membantu identifikasi awal kasus Tuberkulosis secara otomatis berbasis citra X-ray dada. ● Mempermudah proses skrining cepat untuk pasien di fasilitas layanan kesehatan. ● Menggunakan metode sederhana dan dapat diterapkan di sistem bersumber daya terbatas karena tidak memerlukan deep learning. ● Dapat digunakan untuk pembelajaran dan pengembangan lebih lanjut dalam bidang pengolahan citra biomedis.
Teknologi Informasi dan Komunikasi
Brain Tumor Detection Menggunakan Machine Learning
Aplikasi Brain Tumor Detection Menggunakan Machine Learning adalah sistem yang dirancang untuk membantu proses deteksi tumor otak secara otomatis melalui citra CT Scan. Sistem ini bekerja dengan memanfaatkan teknik pengolahan citra medis dan algoritma machine learning konvensional (non-deep learning), sehingga mampu berjalan dengan efisien di lingkungan sederhana seperti Google Colab. Aplikasi ini memiliki dua tahapan utama, yaitu proses preprocessing dan segmentasi citra CT, serta tahap ekstraksi fitur dan klasifikasi menggunakan algoritma machine learning seperti Random Forest, SVM, dan Logistic Regression. Melalui proses ini, sistem mampu membedakan citra otak sehat dan otak yang memiliki tumor berdasarkan pola tekstur, bentuk, serta distribusi intensitas piksel. Aplikasi ini memberikan manfaat signifikan dalam dunia medis dan akademik. Dengan adanya sistem ini, deteksi awal tumor otak dapat dilakukan secara lebih objektif, cepat, dan konsisten. Selain itu, visualisasi citra dengan teknik pseudocoloring dan overlay membantu tenaga medis atau peneliti untuk mengenali area tumor secara lebih jelas tanpa kehilangan informasi struktur asli otak. Aplikasi ini juga sangat berguna dalam mengenalkan implementasi nyata dari teknik pengolahan citra dan machine learning dalam dunia kesehatan.
Teknologi Informasi dan Komunikasi
Deteksi Malaria pada Citra Apus Darah Berbasis Indikator Pewarna Menggunakan Bounding Box
Malaria masih menjadi masalah kesehatan global yang serius. Menurut WHO, pada tahun 2022 terdapat sekitar 249 juta kasus malaria di 85 negara endemis, meningkat 5 juta dibanding tahun 2021. Jumlah kematian global akibat malaria tahun 2022 tercatat 608.00 jiwa. Di Indonesia, meski telah banyak upaya yang dilakukan namun kasus tahunan yang terjadi masih sangat besar. Secara keseluruhan, malaria menyerang ratusan juta orang setiap tahun (diperkirakan 350-500 juta) dan menyebabkan lebih dari 1 juta kematian tiap tahun. Di daerah tropis/subtropis keparahan penyakit ini terutama terjadi. Deteksi malaria konvensional dilakukan dengan pemeriksaan mikroskopis apus darah berwarna giemsa. Pewarna giemsa menghasilkan parasit plasmodium yang berwarna ungu tua, sedangkan eritrosit bewarna merah muda/coklat muda. Metode ini sangat ekonomis dan dapat diandalkan untuk melihat tahap kehidupan parasit, namun perlunya juga tenaga ahli yang berpengalaman dan juga waktu yang banyak. Seorang ahli hematologi perlu memeriksa ratusan pandang mikroskop (100-300 gambar apus darah tipis) untuk menemukan parasit, menghitung tingkat infeksi, dan mengidentifikasi spesies plasmodium. dilihat dari prosesnya proses manual ini sangat memakan waktu dan rentan sekali kesalahan hasil analisis tergantung pada keterampilan pemeriksa. Oleh karena itu, diperlukan sistem otomatisasi yang dapat mempercepat dan menstandarkan deteksi parasit malaria.
Teknologi Informasi dan Komunikasi
Perbandingan Model Machine Learning Konvensional untuk Klasifikasi Tumor Payudara Berbasis Pengolahan Citra Ultrasonografi
Dalam dunia medis, kanker payudara merupakan salah satu penyebab utama kematian perempuan secara global. Setiap tahun, diperkirakan terdapat lebih dari 1,3 juta kasus baru. Meskipun mammografi sering digunakan sebagai metode skrining, penelitian menunjukkan bahwa efektivitasnya menurun pada individu dengan jaringan payudara yang padat, karena kontras lesi yang rendah pada citra. Sebagai alternatif berdaya diagnostik tinggi, breast ultrasonografi (ultrasonografi payudara) memberikan keunggulan seperti tidak adanya radiasi, biaya terjangkau, kemampuan real-time, serta sensitivitas yang tinggi dalam mendeteksi lesi pada jaringan padat—meskipun citra ini memiliki tingkat speckle noise, artefak, resolusi terbatas, serta sangat bergantung pada operator. Sistem deteksi yang digunakan berbasis teknologi pembelajaran mesin dalam proses pengolahan citra untuk klasifikasi keberadaan tumor pada citra ultrasound payudara. Sistem ini dibangun berdasarkan proses ekstraksi fitur kontur dan tekstur dan menggunakan 5 pengklasifikasi untuk mengelompokkan 3 kelas, yaitu benign (jinak), malignant (ganas), dan normal.
Teknologi Informasi dan Komunikasi
Peta Sebaran Kelas Tanah Kabupaten Lebak Tahun 2025
Peta ini merupakan Peta NJOP Kabupaten Lebak Tahun 2025 yang disusun berdasarkan klasifikasi kelas tanah sesuai dengan Peraturan Menteri Keuangan (PMK) Nomor 150/PMK.03/2010. Penyusunan peta ini didasarkan pada hasil penyesuaian Pajak Bumi dan Bangunan Perdesaan dan Perkotaan (PBB-P2) yang telah dilakukan sebelumnya, dengan mempertimbangkan kondisi spasial, sosial, dan ekonomi di tingkat desa. Hasil penyesuaian tersebut menjadi acuan dalam penetapan Nilai Jual Objek Pajak (NJOP) untuk pengenaan PBB-P2 di Kabupaten Lebak Tahun 2025.
Infrastruktur dan Kebencanaan
Website Live GPS Tracking
Website GPS Tracker adalah solusi digital berbasis web untuk pelacakan kendaraan secara real-time yang dirancang untuk memudahkan pemantauan posisi kendaraan kapan saja dan di mana saja. Sistem ini ideal digunakan oleh individu, instansi, maupun perusahaan logistik untuk mengelola dan memantau armada kendaraan secara efisien.
Teknologi Informasi dan Komunikasi
Aplikasi GPS Tracker
Aplikasi GPS Tracker adalah aplikasi mobile yang berfungsi untuk memantau lokasi kendaraan secara real-time melalui perangkat Android. Produk ini dirancang untuk membantu pengguna dalam mengelola dan mengawasi kendaraan dengan mudah, sehingga dapat meningkatkan keamanan dan efisiensi operasional. Aplikasi ini memungkinkan pengguna untuk menambahkan data kendaraan lengkap, seperti ID GPS, informasi kendaraan, dan identitas pemilik. Fitur utamanya meliputi: • Pelacakan lokasi kendaraan secara langsung menggunakan GPS • Manajemen daftar kendaraan yang telah terdaftar dalam akun pengguna • Pengelolaan profil akun, termasuk pengaturan ulang kata sandi dan pembaruan data diri Dengan antarmuka yang sederhana dan mudah digunakan, aplikasi ini mendukung pemantauan kendaraan berbagai jenis, mulai dari mobil pribadi hingga armada operasional seperti truk dan bus
Teknologi Informasi dan Komunikasi
Apabila terdapat pihak yang berminat melakukan komersialisasi Kekayaan Intelektual, dipersilakan untuk menghubungi Direktorat Kawasan Sains dan Teknologi.