1.

Ringkasan
Kanker prostat merupakan keganasan darah yang banyak diderita di Indonesia, baik

pada anak-anak maupun dewasa. Setiap tahunnya, jumlah kasus kanker prostat baru
semakin meningkat dengan angka kematian yang tinggi. Angka kematian yang tinggi dapat
disebabkan oleh keterlambatan penegakan diagnosis dan penatalaksanaan kanker prostat.
Semakin tua umur saat pertama kali didiagnosis, semakin kecil kemungkinan penderita
untuk hidup.
Saat ini, penegakkan diagnosis kanker prostat akut dilakukan dengan cara
mengidentifikasi grade (tingkatan) kanker prostat Ada dua skor yang harus dilihat dalam

sistem Gleason yaitu Histologic grades (Skor Primer) dan Skor sekunder

dari apusan

jaringan sel kanker hasil biopsi oleh tenaga ahli. Kemudian Untuk menentukan tingkat
keganasan dari kanker prostat nilai dari skor primer ditambahkan dengan nilai dari skor
sekunder. Bila total skor Gleason 2 4, maka specimen dikelompokkan kedalam kategori
well differentiated, sedangkan bila skor Gleason 5-6 dikategorikan sebagai

moderate

differentiated dan skor Gleason 8-10 dikelompokkan sebagai poor differentiated. Kendala
proses deteksi kanker prostat akut adalah terbatasnya fasilitas kesehatan di perifer,
terbatasnya tenaga ahli, dan biaya yang mahal. Hal ini berdampak pada lamanya proses
pediagnosisan dan penatalaksanaan kanker prostat sehingga menyebabkan angka
kematian yang tinggi. Deteksi dini seawal mungkin diharapkan dapat menurunkan angka
kematian penderita kanker prostat. Namun, sistem deteksi dini yang mampu secara otomatis
mendeteksi kanker prostat berdasarkan histoogi citra jaringan kanker belum ada di
Indonesia sehingga perlu diadakan pengembangan lebih lanjut.
Penelitian ini akan mengembangkan sebuah sistem deteksi dini kanker prostat. Sistem
ini disebut sistem skrining kanker prostat. Sistem skrining kanker prostat merupakan suatu
sistem cerdas yang dapat mengidentifikasi Histologic grades (Skor Primer) dan Skor

sekunder dari apusan jaringan sel kanker hasil biopsi dengan metode pengolahan citra
digital dan metode machine learning. Sistem ini akan mempermudah identifikasi angka
gleason grade dan gleason score yang diperlukan untuk deteksi dini penyakit kanker prostat.
Sistem ini bersifat low cost sehingga dapat diterapkan hingga ke tahap pelayanan
kesehatan primer. Secara keseluruhan, sistem ini akan dapat membantu mempersingkat
waktu penegakan diagnosis sehingga penatalaksanaan kanker prostat juga dapat
dilaksanakan lebih cepat, lebih baik, dan tepat guna.
Kata kunci

: skrining kanker prostat, pengolahan citra digital, mikroskop cerdas, machine

learning

2.

Pendahuluan

2.1 Latar Belakang

Prostat adalah kelenjar eksokrin pada sistem reproduksi pria. Prostat merupakan organ
yang terdiri atas jaringan fibromuskular dan glandular yang tersembunyi di bawah kandung
kemih (William, 2000). Dengan bertambahnya umur manusia, organ ini tidak lepas dari
kelainan-kelainan termasuk indikasi adanya kanker.
Kanker prostat adalah kanker paling umum ke empat di dunia dan kedua paling umum
pada pria dengan jumlah kasus diperkirakan 1,1 juta di seluruh dunia dengan angka
kematian sebanyak 307.000 pada tahun 2012

(Globocan, 2012). Di jepang dilaporkan

sebanyak 39 penderita per 100.000 orang dan di China sebanyak 28 penderita per 100.000
orang mengalami penyakit ini (Pienta, 1998). Kanker prostat di Indonesia berada pada
peringkat ke-lima di antara kasus kanker laki-laki (9033 kasus baru) dan peringkat ke-lima
sebagai penyebab kematian pada pria (6841 kasus) (Ferlay dkk, 2012). Jumlah kasus terus
meningkat selama dekade terakhir (Eble dkk, 2004).
Kanker prostat stadium awal hampir selalu tanpa gejala. Kecurigaan akan meningkat
dengan adanya gejala lain seperti: nyeri tulang, fraktur patologis ataupun penekanan
sumsum tulang. Pemeriksaan utama dalam mendeteksi kanker prostat adalah anamnesis
perjalanan penyakit, pemeriksaan colok dubur, PSA serum serta ultrasonogra transrektal/
transabdominal. Diagnosa pasti didapatkan dari hasil biopsi prostat atau specimen operasi
berupa adenokarsi noma. Selain itu pemeriksaan histopatologis akan menentukan derajat
dan penyebaran tumor.
Pengobatan

kanker

prostat

sangat

tergantung

pada

stadium

penyakit,

menghasilkan keluaran klinis yang bervariasi (Cookson et al, 2007). Kanker prostat masih
dapat disembuhkan jika dapat dideteksi sedini mungkin dan diklasifikasi sesuai dengan
jenisnya agar dapat dilakukan tindakan yang tepat agar tidak semakin menyebar ke bagian
tubuh lainnya. Hal ini menuntut

paramedis untuk dapat mendiagnosa lebih cepat dan

akurat. Saat ini pengklasifikasian kanker prostat dilakukan dengan cara manual, yaitu sel
yang diletakkan diatas preparat dilihat melalui mikroskop. Dengan cara ini tentu
pendiagnosaan sangat berhubungan dengan kualitas penglihatan masing-masing dokter.
Kesalahan manusia akan sangat mempengaruhi hasil pendiagnosaan.
Oleh karena itu pada penelitian ini akan dibuat sebuah sistem pengklasifikasian
kanker pada prostat, dengan memanfaatkan citra biopsi prostat dalam bentuk digital. Citra
diakuisisi dengan menggunakan kamera digital dimana lensa kamera digital dihadapkan
pada lensa okuler dari mikroskop. Citra yang ditangkap oleh kamera digital dicapture oleh
komputer. Citra hasil capture inilah yang kemudian diproses pada sistem. Dengan demikian

tuntutan paramedis untuk dapat mengklasifikasi kanker prostat secara otomatis dan cepat
oleh komputer dapat terpenuhi.
2.2 Tujuan dan Manfaat
Penelitian ini bertujuan untuk membuat sebuah aplikasi yang dapat mengklasifikasikan
grade dari penyakit kanker prostat sehingga stadium dan kondisi pasien dapat diketahui
secara dini
Tujuan Kegiatan
Kegiatan ini bertujuan untuk membantu dan mempermudah teknik deteksi dini
penyakit kanker prostat berdasarkan gambaran hitopatologi jaringan kanker prostat pada
sarana pelayanan kesehatan yang ada di Indonesia. Pada Rumah Sakit Tipe A, sistem ini
dapat digunakan untuk mempermudah dan mempercepat identifikasi histopatologi kanker
prostat. Pada sarana pelayanan kesehatan yang lebih rendah, sistem yang dihasilkan dapat
membantu sarana pelayanan kesehatan tersebut lebih cepat mendeteksi adanya jaringan
kanker

Sistem ini juga bertujuan secara tidak langsung membantu petugas kesehatan

melakukan screening pada pasien yang dicurigai menderita kanker prostat sebagai
pendukung pemeriksaan PSA total (Prostate Spesific Antigen) .
2.3 Persiapan Penelitian (Komunikasi Tim Pengusul)
Saat ini komunikasi yang dilakukan oleh tim pengusul adalah berdiskusi dengan ahli
kedokteran patologi anatomi FK UGM untuk memahami permasalahan dan kebutuhan user
dalam mendeteksi kanker prostat. Setelah itu pengusul berusaha melakukan studi awal dan
observasi terhadap sampel citra hispatologi kanker prostat untuk masing-masing grade baik
primer ataupun sekunder untuk memperoleh gambaran teknis pentatalaksanaan sistem
skrining kanker prostat oleh karena itu dibutuhkan data sampel pasien sebagai studi awal.
Tahap selanjutnya pengusul mengkomunikasikan dengan tim rumpun ilmu komputer
untuk membuat sebuah solusi permasalahan deteksi dini dan klasifikasi kanker prostat ini
dengan teknik computer vision dan kecerdasan buatan, kemudian dilanjutkan dengan
diskusi akan membawa topic tersebut kedalam HIBAH INSINS 2017.
Sasaran Kegiatan
Kegiatan ini akan dilaksanakan di Rumah Sakit Tipe A yang menjadi salah satu
pusat kanker di D.I. Yogyakarta, salah satu Rumah Sakit Tipe B di DIY-Jawa Tengah, dan
puskesmas di salah satu Kabupaten di D.I.Yogyakarta. Selain itu, kegiatan ini akan
dilakukan di Rumah Sakit yang berafiliasi dengan Fakultas Kedokteran UGM. Penelitian ini
juga dilaksanakan bekerja sama dengan Laboratorium Patologi Anatomi Fakultas
Kedokteran Gadjah Mada, Laboratorium Sistem Cerdas MIPA UGM, dan Lab Mikroskop

Digital CV Miconos Transdata Nusantara. Pelaksanaan seluruh rangkaian kegiatan ini dapat
menjadi sarana pembelajaran berkelanjutan, penelitian, dan pengabdian masyarakat.
3.

Jadwal Penyusunan Proposal dan Kebutuhan Biaya

3.1 Tahapan Kegiatan

Tahapan kegiatan penyusunan proposal disajikan pada tabel 1.
Tabel 1. Tahapan Penyusunan Proposal
Tahapan
Inisialisasi Area
Penelitian

Expected Outcome

Kegiatan
Observasi dan Investigasi
Teknologi di ranah penelitian

Review literature
(Mei 2016 Minggu ke -2 & 3)

Penentuan Sasaran
Kegiatan

Diskusi Sasaran pengguna

sistem dengan seluruh tim
pengusul

Diperoleh sasaran
kegiatan , hipotesis dan
scope penelitian
(Mei 2016 Minggu ke -4)

Analisis Kebutuhan
Diskusi Analisis Kebutuhan
sistem software dan
hardware dengan seluruh tim
pengusul

Dokumen spesifikasi dan

model serta alat (hardware)

review metode deteksi dan

klasifikasi kanker prostat
(Juni 2016 Minggu ke -1)

Koordinasi dengan
pihak Mitra, Lab
Patologi Anatomi FK
UGM dan Lab

Memastikan Ketersediaan
Sampel untuk studi awal
anker prostat
Rancangan Tahapan
Penelitian

# Road map Penelitian

# Studi awal mengenai

sampel pada masingmasing grade

Patologi Anatomi

(Juni 2016 Minggu ke- 2

RSUP Dr. Sardjito

Minggu ke - 4)

Penyusunan Proposal
NB: Rapat Koordinasi
Tim Pengusul untuk
penyusunan proposal
dilakukan di setiap
minggu

Penyusunan proposal sesuai

dengan hasil literature review ,
hasil diskusi tentang road map
penelitian, hasil studi
pendahuluan / awal, sasaran
kegiatan dan Penyusunan
anggaran penelitian sesuai
dengan spesifikasi sistem yang
dirancang
Penyusunan draft kebutuhan EC
Penyusunan proposal sesuai
dengan panduan INSINAS

Proposal Penelitian
INSINAS

Penulisan hasil
literature review dalam
manuskrip publikasi
untuk dipublikasikan

(Juli 2016 Minggu ke- 1

Minggu ke - 4)

Penelitian Implementasi Pengolahan Citra Digital Dan Machine Learning Pada

Perangkat Mikroskop Cerdas Untuk Sistem Deteksi Dan Klasifikasi Hispatologi Kanker
Prostat ini direncanakan akan dilaksanakan selama 2 tahun (2017 - 2018). Adapaun draft
rancangan roadmap yang akan di detailkan dan di breakdown dalam penyusunan proposal
INSINAS, disajikan pada gambar 1.
TAHUN 2017

TAHAP 1

TAHAP 2

ANALISIS KEBUTUHAN

PENGEMBANGAN APLIKASI SKRINING

DETEKSI DAN KLASIFIKASI KANKER
PROSTAT
CERDAS LEUKEMIA AKUT

TAHUN 2018

TAHAP 3

PENERAPAN SISTEM

TAHAP 4

EVALUASI & PERBAIKAN

Gambar 1. Draft Rancangan Roadmap Sistem

3.2 Pihak Pengusul dan Mitra yang berperan

Keterangan Lembaga Pelaksana/ Pengelola Penelitian
A. Pengusul Utama
Nama Peneliti Utama

Agus Harjoko, M.Sc., Dr

Nama Lembaga/Institusi

UNIVERSITAS GADJAH MADA

Unit Organisasi

LAB. ELINS FAKULTAS MIPA UGM

Alamat

Sekip Utara Bulaksumur

Telepon/Faks./email

0274 546194/ aharjoko@ugm.ac.id

B. Pengusul 1
Nama Peneliti

Sri Hartati, dra., M.Sc, Ph.D

Nama Lembaga/Institusi

UNIVERSITAS GADJAH MADA

Unit Organisasi

Lab Sistem Cerdas Fakultas MIPA UGM

Alamat

Sekip Unit III, FMIPA Gedung Selatan Sleman,

Yogjakarta, 55281

Telepon/Faks./email

+6274 - 546194/ shartati@ugm.ac.id

C. Pengusul 2
Nama Peneliti

Lutfan Lazuardi, dr., M.Kes, Ph.D

Nama Lembaga/Institusi

UNIVERSITAS GADJAH MADA

Unit Organisasi

SIMKES S2 IKM Fakultas Kedokteran UGM

Alamat

Jl. Farmako Sekip Utara Yogyakarta 55281

Telepon/Faks./email

+6274 - 549432/ lutfan.lazuardi@ugm.ac.id

D. Pengusul 3
Nama Peneliti

Hanggoro Tri Rinonce, dr., SpPA., Ph.D.

Nama Lembaga/Institusi

UNIVERSITAS GADJAH MADA

Unit Organisasi

Bagian Patologi Anatomi Fakultas Kedokteran

Alamat

Bagian Patologi Anatomi Fakultas Kedokteran

UGM , Ged. Radioputro Lt. 4, Jalan Kesehatan,
Sekip Utara,
Yogyakarta 55281

Telepon/Faks./email

Telp. +62-274-7103748/Fax. +62-274-518687

E. Mitra Industri
Nama Koordinator/Peneliti Utama

Nugraha Bayu Mukti

Nama Lembaga/Institusi

CV. Miconos Transdata Nusantara

Unit Organisasi

Lab Mikroskop Digital

Alamat

Jl.Sukoharjo

no.7A

Condong

Sleman
Telepon/Faks./email

(0274) 7164-846/081-90-370-2552

Catur,

Depok,

3.3 Anggaran Penyusunan Proposal

Justifikasi Anggaran Penyusunan Proposal
No.
1
2
3
4

Uraian
Bahan habis pakai
Peralatan
Perjalanan
Lain-lain
Jumlah total

Jumlah
Rp. 3.300.000,00
Rp. 13.400.000,00
Rp. 2.500.000,00
Rp. 5.800.000,00
Rp. 25.000.000,00

Rincian Biaya
1. Bahan Habis Pakai
No

Bahan

Volume

Biaya
Satuan
(Rp)

Ket

Anggaran

Akses internet dan komunikasi

Paket

100,000

600,000

Kertas HVS

rim

40,000

200,000

Fotocopy

10

Paket

100,000

1.000.000

Pembelian Tinta

Unit

500.000

1.500.000

Jumlah
2.

Biaya (Rp)

3.300,000

Peralatan
No

Bahan

Volume

Ket

Biaya
Satuan
(Rp)

Biaya (Rp)
Anggaran

Biaya pembelian Satu buah

Hardisk 2 terra sebagai
penyimpan data

1,500,000

1,500,000

Biaya pembelian 4 buah Modem

GSM 4G Huawei

400,000

1,600,000

5,000,000

5,000,000

5,300,000

5,300,000

Biaya pengambilan sampel studi

awal citra kanker prostat
(1 pkt = 1000 citra x Rp. 5000,00)
Rincian : Citra latih = 600 citra
gleason grade
Citra uji = 400 citra
Pembelian printer EPSON Printer
[L850]
Jumlah

Pkt

13,400,000

3.

Perjalanan
No

Tujuan

Volume

Biaya
Satuan (Rp)

Biaya (Rp)
Anggaran

Perjalanan Seminar Internasional

hasil Literatur review
Dana Transportasi dalam kota
Yogyakarta

2,300,000

2,300,000

200.000

200.000

Jumlah

2,500,000

4. Lain lain
No

Kegiatan

Biaya
Satuan
(Rp)

Volume

Biaya (Rp)
Anggaran

Biaya pendaftaran publikasi

seminar internasional

Keg

3,800,000

3,800,000

Penyusunan proposal
Ethical Clearance

Keg

500,000

500,000

10

Keg

150.000

1,500,000

Konsumsi Rapat
(1 keg = 6 orang X 25000 =
Rp. 150,000,00)
Jumlah

5,800,000

Lampiran 1 :
a. Fotocopy NPWP

b. Fotocopy Rekening Bank

Lampiran 2 :
BIODATA PENGUSUL
PENYUSUNAN PROPOSAL MULTIDISIPLIN

I. IDENTITAS DIRI
1.1. Nama Lengkap (dengan gelar)
1.2. Jabatan Fungsional
1.3. NIP
NIDN
1.4. Tempat dan Tanggal Lahir
1.5. Alamat Rumah
1.6.
1.7.
1.8.

Nomer Telp./Faks.
Nomor HP
Alamat Kantor

1.9.
1.10.
1.11.
1.12.

Nomer Telp./Faks.
Alamat e-mail
Lulusan yg telah dihasilkan
Mata Kuliah yg diampu

: Agus Harjoko, Drs., M.Sc., Ph.D.

: Lektor Kepala
: 196008041987031003

: 0004086008
: Sleman, 4 Agustus 1960
: Perumahan Mranggen, Jl. Kenanga E/3, Sinduadi,
Mlati, Sleman, Yogyakarta, Indonesia.
: (0274) 624066
: 08164267256
: Jurusan Ilmu Komputer dan Elektronika FMIPA
UGM, Sekip Utara, BLS 21,
: (0274) 513339 atau (0274) 545185
: aharjoko@ugm.ac.id / aharjoko@gmail.com
: S-1 = > 100 orang; S2 = > 50 orang; S3 = 12 orang
1. Pengolahan Citra Digital (S3, S2, S1)
2. Pengenalan Pola (S3, S2, S1)
3. Instrumentasi Biomedis (S2)
4. Pengantar Sistem Kontrol (S1)
5. Computer Vision (S3)

II. RIWAYAT PENDIDIKAN

2.1 Program :
S1
2.2 Nama PT
2.3 Bidang Ilmu
2.4 Tahun Masuk
2.5 Tahun Lulus
2.6 Judul Skripsi
/Tesis / Disertasi

Universitas Gadjah
Mada
Physics
1982
1986
-

S2

S3

University
of
New
Brunswick, Canada
Computer Science
1988
1990
An
Optimal
Target
Design for the Hough
Transform

University of New
Brunswick, Canada
Computer Science
1990
1996
Design of Optimal
Targets for Computer
Vision

III. PENGALAMAN PENELITIAN

Judul Penelitian

Ketua

Sumber Dana

Ketua

2016

Sistem Evaluasi Tanaman Produktif Berdasar

Foto Udara

KemenristekDikti (Lanjutan)

Sistem Evaluasi Tanaman Produktif Berdasar

Foto Udara

Ketua

2015

KemenristekDikti (Tahun 1)

Tahun

2015

2014

2013
2012
2012

2012
2011
2011

IV.

V.

Perkiraan Jumlah Orang dalam Kerumunan

Berdasar Data Video Surveilance

Ketua

Sistem Skrining Penyakit Leukimia Akut

dengan Pengenalan Citra Otomatis
Menggunakan Perangkat Mikroskop Cerdas

Peneliti

Pembuatan Sistem Pengklasifikasian Daun

Tembakau Kering pada PTPN X
Program Pengembangan Kerjasama dan Riset
Laboratorium Elektronika dan Instrumentasi
Sistem Pemantauan Lalu Lintas Kendaraan
Berbasis Metode HAAR Cascade Classified
Dengan Embbedded Single Board Computer
Sistem Pemantauan Lalu Lintas Kendaraan
Real Time Berbasis Metode Kontur dan Hough
Transform dengan Embbedded Single Board
Computer Arm11
Pemrosesan Video untuk Klasifikasi dan
Pelacakan Obyek
Metode Pengideksan Data Video Berdasar Isi
Video

Ketua

Hibah penelitian
S2 Ilmu
Komputer
INSINAS

Ketua
Ketua

KemendikbudDikti
KemendikbudDikti
Hibah penelitian
S2 Ilmu
Komputer

Ketua
Hibah penelitian
JIKE
Ketua
Ketua

UGM
UGM

PENGALAMAN KERJA SAMA

a. Kerja sama penelitian yang pernah dilakukan adalah kerjasama penelitian dengan
University of New Brunswick, Canada
b. MOU Kerjasama penelitian dan pertukaran pelajar serta riset dosen dngan
Queensland University of Technology di bidang Computer Science.
c. Pada Penelitian INSINAS 2014 kerjasama penelitian multidisiplin dilakukan dengan
melibatkan ahli di bidang kedokteran di RSUP Dr. Sardjito bagian Laboratorium
Patologi Klinik dan Laboratorium Patologi Klinik Fakultas Kedokteran UGM untuk
membangun sebuah sistem skrining leukimia otomatis berbasis pengolahan citra
digital dan kecerdasan buatan
PENGALAMAN PENULISAN ARTIKEL ILMIAH DALAM JURNAL

Referensi Artikel Ilmiah dalam jurnal :

Link Publikasi Agus Harjoko google scholar
Link Publikasi pada Research Gate
Tahun

2016

2015

Judul

Penerbit/Jurnal

Hardy Santosa Sundoro, A Harjoko, Vehicle

Counting And Vehicle Speed Measurement
Based On Video Processing

Journal Of Theoretical And Applied

Information Technology
February 2016. Vol.84. No.2, ISSN:
1992-8645,
E-ISSN: 1817-3195

Enny Itje Sela, Sri Hartati, Agus Harjoko,

International Journal Of Electrical

2015

2015
2015

2015

2014

2014

2014

2014

2014

2014

2014

2014
2014

Retantyo Wardoyo, Munakhir Mudjosemedi,

Feature Selection Of The Combination Of
Porous Trabecular With Anthropometric
Features For Osteoporosis Screening
Gunadi, I Gede Aris; Harjoko, Agus; Wardoyo,
Retantyo; Ramdhani, Neila, The Extraction
And The Recognition Of Facial Feature State
To Emotion Recognition Based On Certainty
Factor.
Anindita Septiarini, Agus Harjoko, Automatic
Glaucoma Detection Based On The Type Of
Features Used: A Review.
Anita Ahmad Kasim, Retantyo Wardoyo, Agus
Harjoko, Fuzzy C Means For Image Batik
Clustering Based On Spatial Features
Eih Ujianto, A Harjoko, R Wardoyo, A
Moesriami, Cascaded Image Steganography
To Increase Robustness Againts Attack Of
The Stego Image.
Ika Purwanti Ningrum, Agus Harjoko,
Munakhir Mudjosemedi, Robust
Cephalometric Landmark Identification On
Cephalometric Downs Analysis
Haris A Rangkuti, Agus Harjoko, Agfianto Eko
Putro, Content Based Batik Image Retrieval
Edy Winarno, Agus Harjoko, Aniati Murni
Arymurthy, Edi Winarko, Development Of
Face Recognition System And Face Distance
Estimation Using Stereo Vision Camera
Refta Listia, Agus Harjoko, Klasifikasi Massa
Pada Citra Mammogram Berdasarkangray
Level Cooccurence Matrix (GLCM)
Anastasia Rita Widiarti, Agus Harjoko, Sri
Hartati
, Preprocessing Model Of Manuscripts In
Javanese Characters
E Winarno, A Harjoko, AM Arymurthy, E
Winarko, Improved Real-Time Face
Recognition Based On Three Level Wavelet
Decomposition-Principal Component Analysis
And Mahalanobis Distance
S. Uyun, S. Hartati, A. Harjoko, Subanar, L.
Choridah, "Comparison Between Automatic
And Semiautomatic Thresholding Method For
Mammographic Density Classification",
Andi Sunyoto, Agus Harjoko, Pengenalan
Simbol Jarimatika Menggunakan Orientasi
Histogram Dan Multi-Layer Perceptron
Hermawan Syahputra, Agus Harjoko,
Retantyo Wardoyo And Reza Pulungan, Plant

And Computer Engineering (IJECE)

Vol.5, No.1, February 2015, Pp.
78~83
ISSN: 2088-8708
Journal Of Theoretical & Applied
Information Technology . 12/10/2015,
Vol. 82 Issue 1, P113-121. 9p.
Journal Of Theoretical & Applied
Information Technology
International Journal Of Computer
Applications
Journal of Theoretical & Applied
Information Technology

International Journal Of Computer

And Electrical Engineering, Vol. 6,
No. 2, April 2014
Journal Of Computer Science 10 (6):
925-934, 2014
ISSN: 1549-3636
Journal Of Theoretical And Applied
Information Technology (JATIT),
September 2014, Vol. 67 No.3. ISSN:
1992-8645,E-ISSN: 1817-3195
IJCCS-Indonesian Journal Of
Computing And Cybernetics Systems
Journal Of Signal And Information
Processing
Journal Of Computer Science 10 (5):
844-851, 2014
ISSN: 1549-3636 2014 Science
Publications
Doi:10.3844/Jcssp.2014.844.851
Published Online 10 (5) 2014
(Http://Www.Thescipub.Com/Jcs.Toc)
Advanced Materials Research, Vol.
896, Pp. 672-675, 2014
Citec Journal, Vol. 1, No. 4, Agustus
2014 Oktober 2014 ISSN: 23545771
Journal Of Computer Science 10 (4):
697-704, 2014

2014

2013

2013

2012

2011

2011

Recognition Using Stereo Leaf

Image Using Gray-Level Co-Occurrence
Matrix
Yohanes Suyanto, Agus Harjoko, Sri Hartati,
An Intonation Speech Synthesis Model For
Indonesian Using Pitch Pattern And Phrase
Identification
Gasim, Agus Harjoko, Kudang Boro Seminar
Sri Hartati, Merging Feature Method On RGB
Image And Edge Detection Image For Wood
Identification

ISSN: 1549-3636

Shofwatul Uyun, Sri Hartati, Agus Harjoko,

Selection Mammogram Texture Descriptors
Based On Statistics Properties
Backpropagation Structure
Ermatita, S. Hartati, R. Wardoyo, A. Harjoko,
ELECTRE-Entropy Method In Group Decision
Support System Model To Gene Mutation
Detection

(IJCSIS) International Journal Of

Computer Science And Information
Security,
Vol. 11, No. 5, May 2013
IJARAI, Vol.1, No.1, Hal.58-63, EISSN: 2165-4069, P-ISSN: 21654050

Journal Of Signal And Information

Processing
(IJCSIT) International Journal Of
Computer Science And Information
Technologies, Vol. 4 (1) , 2013, 188 193

S. Hartati, A. Harjoko, T.W. Supardi, The Telkomnika: Indonesian Journal Of

Development Of Digital Microscope And Its Telecommunication
Image Processing Utility From Ordinary
Microscope
Z. Abidin And A. Harjoko, Facial Expression Indonesian Journal Of Computing
Recognition By Using Fisherface Method With And
Cybernetics
System,
Vol
Backpropagation Neural Network
5(1):83-91, ISSN:1978-1520

Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan dapat
dipertanggungjawabkan secara hukum. Apabila di kemudian hari ternyata dijumpai
ketidaksesuaian dengan kenyataan, saya sanggup menerima risikonya.
Yogyakarta, 6 April 2016
Pengusul,

Drs. Agus Harjoko, M.Sc., Ph.D

NIP.196008041987031003