Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tekanan darah tinggi pada retina Hypertensive Retinopathy merupakan penyakit yang timbul akibat tingginya tekanan darah yang mengalir pada pembuluh darah retina, mengakibatkan penebalan dinding pembuluh darah, sehingga debit aliran darah pada retina berkurang. Komplikasi yang timbul dari penyakit ini beragam dan membahayakan, mulai dari oklusi pembuluh darah retina, kerusakan saraf mata, bahkan kebutaan. Skripsi ini membahas tentang pendeteksian tekanan darah tinggi pada retina, sehingga dapat digunakan sebagai media untuk membantu diagnosis dan pencegahan penyakit tekanan darah tinggi pada retina Hypertensive Retinopathy . Pendeteksian dilakukan dengan menganalisa gambar retina Fundus Image pasien dengan metode Principal Component Analysis PCA dan Backpropagation Neural Network BNN , sehingga outputnya berupa klasifikasi citra ke salah satu dari dua golongan; yaitu retina normal dan retina dengan tekanan darah tinggi. Dari hasil perancangan diperoleh tingkat akurasi pengujian dan pengujian neural network hingga 85,5 dan 63,6 .

---

Hypertensive Retinopathy is a disease caused by high blood pressure flowing in the retinal blood vessels, resulting in thickening of blood vessel walls and reduced blood flow in the retina. Complications arising from these diseases are diverse and dangerous, ranging from retinal vein occlusion, nerve eye damage, even blindness. This paper discusses the detection of high blood pressure in the retina, so it can be used as a medium to help diagnosis and prevention of Hypertensive Retinopathy disease. Detection is done by analyzing the patient 39 s retinal image Fundus Image with Principal Component Analysis PCA method and Backpropagation Neural Network BNN , so that the output is image classification to one of two classes namely the normal retina and retina with high blood pressure. The result shows that this proposed model have leaning and testing accuracy up to 85,5 and 63,6 ."

"

Laju pernapasan (respiratory rate) merupakan salah satu dari lima tanda vital pada tubuh manusia. Pengukuran laju pernapasan yang paling sering dilakukan ialah dengan menghitung banyaknya napas yang dilakukan seseorang dalam satu menit. metode ini dinilai bersifat subjektif yang mana masing-masing pengukuran hasilnya akan bergantung kepada pengukur. Metode lain yang dapat digunakan ialah dengan mengunakan metode kontak, seperti strain gauges or impedance methods, transcutaneous CO₂ methods, oximetry probe (SpO₂) methods, dan ECG derived respiration rate methods. Namun, penggunaan metode kontak dapat menimbulkan beberapa masalah, seperti rasa tidak nyaman, iritasi kulit karena penggunaan elektroda, dan surface loading effect. Oleh karena itu, pada penelitian ini dirancang bangun sebuah sistem pengukuran laju pernapasan nonkontak berbasis sensor ultrasonik.

Pengukuran dilakukan dengan menghitung perubahan jarak antara area thoracoabdominal depan dengan sensor. Hasil pengukuran kemudian diolah menggunakan metode gaussian filter dan transformasi wavelet diskrit (TWD). Berdasarkan hasil pengolahan data, diperoleh hasil bahwa metode pengukuran ini memiliki simpangan kesalahan rata-rata terkecil sebesar 4,48 menggunakan metode penyaringan gaussian filter dan menggunakan metode perhitungan pendekatan FFT. Oleh karena itu, metode ini dapat digunakan untuk mengukur laju pernapasan, tetapi perlu dilakukan beberapa peningkatan untuk mendapatkan hasil yang lebih maksimal.

---

The respiratory rate is one of the five vital signs in human body. The measurement that is most often done is by counting the amount of breath a person does in one minute. This method is considered to be subjective in which each outcome measurement will depend on the counter. Other method that can be used are by using contact method, such as strain gauges or impedance methods, transcutaneous CO2 methods, probe oximetry (SpO2) methods, and ECG derived respiration rate methods. However, the use of contact methods can cause several problems, such as skin irritation, and surface loading effect. Therefore, in this study a respiratory rate measurement system ultrasonic sensor based was designed.

Measurements were made by calculating the distance change between the front of thoracoabdominal area and the sensor. The results are then processed using the gaussian filter method and discrete wavelet transform (DWT). Based on the result of data processing, the result show that this measurement method has has the smallest error deviation of 4.48 using the gaussian filter filtering method and uses the FFT approach calculation method. Therefore, this method can be used to measure respiratory rate, but some improvement needs to be done to produce maximum results.

"

"Penggunaan smartphone dan tingkat cakupan internet di Indonesia setiap tahun semakin bertambah pesat dan luas. Menurut Kementerian Komunikasi dan Informasi Republik Indonesia, lebih dari 100 juta dari 250 juta penduduk Indonesia merupakan pengguna smartphone aktif pada tahun 2018. Dengan jumlah sebesar itu, Indonesia merupakan negara dengan pengguna aktif smartphone keempat di dunia setelah Tiongkok, India dan Amerika Serikat. Selain itu, tingkat cakupan internet di Indonesia pada tahun 2018 mencapai 82%. Salah satu jenis jaringan yang paling sering digunakan adalah jaringan pada pita ISM dengan frekuensi 2,45 GHz.Banyaknya pengguna smartphone dan internet di Indonesia saat ini mendorong penelitian terhadap pengaruh paparan gelombang radio terhadap jaringan-jaringan dalam tubuh baik dalam waktu yang relatif singkat maupun lama. Oleh karena itu, dirancang sebuah percobaan dengan menggunakan sebuah smartphone dengan Planar Inverted F Antenna (PIFA) pada frekuensi 2,45 GHz terhadap kepala manusia. Tujuan dari penelitian ini adalah untuk melihat besarnya pengaruh frekuensi 2,45 GHz (rentang frekuensi Wi-Fi) terhadap kepala manusia dalam bentuk specific absorption rate (SAR). Penelitian ini dijalankan menggunakan sebuah software dan kepala manusia disubstitusikan dengan sebuah phantom kepala homogen yang terdiri dari tiga lapisan pada bagian otak manusia sebagai simulasi dan phantom semisolid yang diberi wadah kepala manusia hasil cetakan 3-D dalam percobaan nyata. Hasil sementara yang telah didapat melalui percobaan ini berupa persebaran SAR yang terkonsentrasi pada daerah yang dekat dengan penggunaan smartphone.

---

Smartphone usage and the level of internet coverage in Indonesia are increasing rapidly every year. According to Ministry of Communication and Information of the Republic of Indonesia, more than 100 million of Indonesia’s 250 million residents are active smartphone users in 2018. With such a large number, Indonesia is a country with the fourth most active smartphone users in the world after China, India and United States. In addition, the level of Indonesia’s internet coverage in 2018 reached 82%. One of the most commonly used types of networks is ISM band network with frequency of 2,45 GHz.

The number of smartphone and internet users in Indonesia currently encourages researches on the effects of radio wave exposure on human body tissues in a relatively short and long time. Therefore, an experiment that uses smartphone with Planar Inverted F Antenna (PIFA) at resonance frequency of 2,45 GHz against human head. The purpose of this experiment is to see how big the influence of 2,45 GHz frequency (Wi-Fi frequency range) on the human head in form of specific absorption rate (SAR). This experiment is run using software and the human head is substituted with a homogenous head phantom consisting of three layers in the human brain as simulation and semisolid phantom given a printed human head container using 3-D printer as real experiment. The temporary result obtained through this experiment is the concentrated form of SAR spread in areas close to smartphone usage."

"Meningkatnya penggunaan pencitraan dalam bidang medis mendorong perkembangan metode dan modalitas baru yang aman, murah dan cepat. Electrical Impedance Tomography (EIT) merupakan salah satu pengembangan dalam pencitraan medis yang mampu memberikan pencitraan yang aman tanpa radiasi. Permasalahan utama dari sistem EIT adalah diperlukannya algoritma yang kompleks untuk melakukan pencitraan dengan hasil yang memiliki resolusi rendah. Penelitian diharapkan dapat menyediakan rangkaian EIT sederhana sehingga dapat dengan mudah digunakan dan dikembangkan. Penelitian dilakukan dengan cara merancang dan membangun sistem pencitraan EIT berbasis MATLAB dan Arduino yang kemudian diuji terhadap beragam skenario objek pengamatan. Hasil pencitraan yang dihasilkan menunjukkan bahwa sistem mampu merepresentasikan berbagai variasi struktur dari objek pengamatan. Pengukuran impedansi pada sistem EIT dilakukan menggunakan metode two-point technique menggunakan 8 elektrode dan 16 elektrode pada frekuensi 50 kHz. Objek pengamatan utama pada pengujian sistem merupakan gelas acrylic yang diisi oleh air keran dengan nilai TDS (Total Dissolved Solids) sebesar 300 ppm. Sistem pencitraan EIT yang dirancang dan dibangun dapat melakukan pencitraan terhadap objek pengamatan menggunakan sistem yang sederhana.

---

The rise of imaging in medical field has boost the progress of new imaging method and modality that area safer, cheaper, and faster. Electrical Impedance Tomography (EIT) is one of such modality that provide safe medical imaging through non ionizing method. The downside of the EIT method is the complex algorithm needed to produce imaging result and low resolution. This study hope to provide a simple EIT imaging system that are easily used and developed. The proposed system designed in this study is a MATLAB and Arduino based imaging system which are then tested under several observation object scenario.

The imaging results that are produced by the system are able to represent the varying observational objects structure. Impedance measurement method that is implemented in the proposed system is a two-point technique using 8 electrode and 16 electrode with a frequency of 50 kHz. The main observation object of this system is an acrylic cup filled with tap water that has a TDS (Total Dissolved Solids) of 300 ppm. The resulting EIT imaging system is a simple system that are able to produce imaging results based on the observation object."

"ABSTRAK

Kanker Payudara (KPD) merupakan salah satu penyakit penyebab kematian terbesar. Indonesia merupakan negara dengan jumlah KPD cukup besar. KPD ini merupakan benjolan. Benjolan ini dapat diperiksa menggunakan cara manual yaitu diraba bagian dekat dengan putting susu. Jika benjolan tidak kunjung mengecil dianjurkan untuk memeriksa ke dokter. Pendektesian KPD ini dapat dilakukan dengan menggunakan proses pencitraan. Data yang digunakan pada penelitian ini diambil dari website Pilot European Image Processing Archive (PEIPA) yaitu dataset Mammographic Image Analysis Society (MIAS). Pendektesian dilakukan dengan menganalisa gambar payudara (mammography) pasien dengan menggunakan metode Principal Component Analysis (PCA) mengubah gambar dalam bentuk matriks. Matriks ini akan digunakan sebagai data yang akan digunakan dalam Neural Network (jaringan saraf tiruan) dengan metode Backpropagation Neural Network (BNN). Dari hasil Percobaan dapat diketahui bahwa metode ini menghasilkan nilai akurasi pembelajaran dari deep learning supervised sebesar 98%.

---

ABSTRACTBreast Cancer is one of the biggest causes of death. Indonesia is a country with a large number of KPDs. This KPD is a lump. This lump can be examined using a manual method that is palpated near the nipple. If the lump does not go away it is recommended to see a doctor. This breast cancer assessment can be done using the imaging process. . The data used in this study was taken from the website of the Pilot European Image Processing Archive (PEIPA) namely the Mammographic Image Analysis Society (MIAS) dataset. The assessment is done by analyzing the breast image (mammography) of the patient using the Principal Component Analysis (PCA) method to change the image in the form of a matrix. This matrix will be used as data to be used in Neural Networks with the Backpropagation Neural Network (BNN) method. From the results of the Experiment it can be seen that this method produces the value of accuracy of learning from supervised deep learning about 98%.

"

"ABSTRAKProstetik merupakan peralatan yang dapat membantu kualitas hidup bagi penyandang disabilitas. Kebutuhan akan sistem yang dapat mengimitasi kemampuan indera manusia diperlukan untuk memberikan kemampuan merasakan kondisi lingkungan sekitar bagi penggunanya. Sehingga diperlukan sistem yang mampu memberikan gambaran keadaan akan kondisi informasi lingkungan sekitar serupa dengan organ anggota gerak manusia. Keseluruhan sistem ini menggunakan rangkaian yang terdiri atas sensor, mikrokontroler dan aktuator. Sistem menggunakan berbagai sensor untuk melakukan imitasi penginderaan, sensor-sensor tersebut adalah DHT11, HX711, dan HC-SR04.  Pengukuran yang dilakukan sensor akan dibaca oleh board mikrokontroler. Sinyal yang dibaca diteruskan ke sistem aktuator untuk melakukan perintah spesifik berdasarkan jenis input data yang diterima. Tugas akhir ini membahas perancangan dari sistem secara menyeluruh mulai dari mendesain sistem sensor hingga sistem aktuator. Pencapaian yang didapat adalah kemampuan dari lengan prostetik yang dapat menyesuaikan dengan kondisi lingkungan sekitar berdasarkan situasi dan mampu memberikan responsi berupa pergerakan pada aktuator dengan biaya terjangkau. Responsi pergerakan didapat berhasil memimik pergerakan sadar maupun pergerakan otonom meski dengan keterbatasan jeda. Didapat nilai jeda rataan waktu pergerakkan aktuator untuk melakukan gerakan flexor adalah 1.699 detik, gerakan extensor adalah 1.322 detik, dan rangsangan taktil 0.457 detik.

---

ABSTRACTProsthetics are equipment that enhances quality of life for people with disabilities. The need for such system which is able to imitate the likes of human senses is critical to give the ability to sense the surrounding environment for its users. Therefore, there is a necessity for a system that is able to pick up what is happening on surrounding environment condition just like human senses are capable of doing. The entirety of system uses circuit compounding of sensor, microcontroller, dan actuator. System utilizes many sensors to imitate human senses, these sensors are DHT11, HX711 and HC-SR04. Measurement made by sensor will read by microcontroller board. Read signals then will be delivered to actuator in order to do specific task based on what kind of input is being given. This final assignment will examine the design of system thoroughly started from designing system of sensor to system of actuator. The achieved goal was prosthetic arm have the ability in which it can adjust according to surrounding environment situationally and able to deliver respond in the form of the movement of actuator with reasonable cost. Movement respond of actuator is able to mimic conscious and unconscious movement even with limiting factor such as delay. Result from measurement yields the average value of time for doing flexor movement for 1.699 second, extensor movement for 1.322 second and tactile sensory feedback for 0.457 second."

"Pada penelitian ini, suatu sistem tangan bionik dirancang dan dibuat berdasarkan batasan-batasan yang dapat ditemukan dalam tangan manusia yang kemudian akan dikontrol dengan serangkaian algoritmayang ditulis dalam Matlab dan kemudian ditanamkan kedalam kontroler Arduino Uno. Algoritma memberikan perintah agar sistem dapat mengikuti beberapa pola gerakan tangan. Algoritma classification berdasarkan ensemble subspace KNN digunakan untuk menentukan gerakan yang dilakukan dan algoritma forward kinematics digunakan untuk menentukan parameter kontrol tangan bionik. Hasil dari penelitian menunjukan bahwa algoritma kontrol yang di rancang sudah memenuhi spesifikasi yang diinginkan namun masih membutuhkan perangkat keras dengan spesifikasi yang cukup tinggi untuk pengaktuasian.

---

In this research, a bionic hand system is designed and created according to the limitations of the human hand, the model is then controlled using computer algorithms written in Matlab and implanted into Arduino Uno as the controller. The algorithm will command the system to follow a few arm movements patterns. Subspace KNN based ensemble algorithm is used to process the users input and a forward kinematics-based algorithm define control parameters for the bionic arm. The experimental result indicate that the designed algorithm already met the desired specification but still requires hardwares with quite a high specification for actuation."

"Divais pemindai tiga dimensi (3D) mulai menarik perhatian dunia medis rekonstruksi kosmetik, khususnya ranah kedokteran Anaplastology. Dalam memberikan pelayanan terbaiknya, ranah yang bertugas untuk merestorasi bagian tubuh yang tidak sempurna ini, memanfaatkan kemampuan pemindai 3D dalam membuat replika prostetik yang menyerupai bentuk aslinya dengan cepat. Teknik pemindaian dengan bantuan metode cahaya terstruktur berpola banyak digunakan untuk menghasilkan gambar dengan kualitas resolusi tinggi dan dapat dapat memindai objek tanpa tekstur seperti kulit manusia. Meskipun pemindai 3D ini berpotensi untuk menggantikan metode terdahulunya yang dinilai tidak efektif dan kurang akurat, pemindai 3D memiliki harga yang cukup mahal. Skripsi ini bertujuan untuk melakukan analisis uji similaritas berbagai model permukaan 3D yang dapat merepresentasikan model hasil pemindaian 3D yang dirancang lebih murah (Intel® RealSense SR300) dibandingkan dengan pemindai 3D Einscan Pro 2X sebagai referensi (akurasi hingga 0,05 mm). Analisis similaritas diolah menggunakan bahasa Python dengan perhitungan distribusi bentuk (Shape Distribution). Proses pengukuran similaritas melalui dua tahapan utama yaitu mendapatkan descriptor dari transformasi model 3D dengan fungsi bentuk (shape function) D1 menjadi bentuk 1D dan membandingkan dengan metode pembanding distribusi probabilitas menggunakan Jensen-Shanon Distance (JSD). Perhitungan ini akan menghasilkan tingkat kesamaan geometris kedua hasil pemindaian. Hasil perbandingan terbaik melalui proses pemodelan 3D hingga fabrikasi prostesis serta dilakukan pengujian secara kuantitatif dengan analisis similaritas dan kualitatif dengan analisis data Likert.

---

Divais pemindai tiga dimensi (3D) mulai menarik perhatian dunia medis rekonstruksi kosmetik, khususnya ranah kedokteran Anaplastology. Dalam memberikan pelayanan terbaiknya, ranah yang bertugas untuk merestorasi bagian tubuh yang tidak sempurna ini, memanfaatkan kemampuan pemindai 3D dalam membuat replika prostetik yang menyerupai bentuk aslinya dengan cepat. Teknik pemindaian dengan bantuan metode cahaya terstruktur berpola banyak digunakan untuk menghasilkan gambar dengan kualitas resolusi tinggi dan dapat dapat memindai objek tanpa tekstur seperti kulit manusia. Meskipun pemindai 3D ini berpotensi untuk menggantikan metode terdahulunya yang dinilai tidak efektif dan kurang akurat, pemindai 3D memiliki harga yang cukup mahal. Skripsi ini bertujuan untuk melakukan analisis uji similaritas berbagai model permukaan 3D yang dapat merepresentasikan model hasil pemindaian 3D yang dirancang lebih murah (Intel® RealSense SR300) dibandingkan dengan pemindai 3D Einscan Pro 2X sebagai referensi (akurasi hingga 0,05 mm). Analisis similaritas diolah menggunakan bahasa Python dengan perhitungan distribusi bentuk (Shape Distribution). Proses pengukuran similaritas melalui dua tahapan utama yaitu mendapatkan descriptor dari transformasi model 3D dengan fungsi bentuk (shape function) D1 menjadi bentuk 1D dan membandingkan dengan metode pembanding distribusi probabilitas menggunakan Jensen-Shanon Distance (JSD). Perhitungan ini akan menghasilkan tingkat kesamaan geometris kedua hasil pemindaian. Hasil perbandingan terbaik melalui proses pemodelan 3D hingga fabrikasi prostesis serta dilakukan pengujian secara kuantitatif dengan analisis similaritas dan kualitatif dengan analisis data Likert."

"Kanker payudara (KPD) merupakan salah satu penyakit yang masih banyak terjadi di negara berkembang seperti Indonesia. Di Indonesia sendiri, KPD menempati peringkat pertama terbanyak dari berbagai jenis kanker yang terjadi.  Pendeteksian kanker ini dapat dilakukan sejak dini dengan memeriksa manual apakah terdapat benjolan atau kelainan pada payudara. Jika terasa ada benjolan, maka disarankan untuk diperiksa ke dokter dengan berbagai metode, seperti mammogram, Magnetic Resonance Imaging (MRI), dan USG. Diagnosa citra ini sering terkendala karena tidak setiap rumah sakit memiliki tenaga spesialis radiologi. Maka dari itu, untuk mengatasinya diperlukan bantuan komputer untuk mendiagnosa citra tersebut yang sering disebut computer aided diagnostis (CAD). Algoritma Convolutional Neural Network didasari pada hasil pemeriksaan rutin citra x-ray payudara normal/abnormal yang cenderung menunjukkan perubahan, salah satunya tekstur (konten). Data yang digunakan pada penelitian ini diambil dari website Pilot European Image Processing Archive (PEIPA) yaitu dataset Mammographic Image Analysis Society (MIAS). Sistem dimulai dengan mengenal dan mempelajari data 3 jenis mamografi, yakni mamografi normal (sehat), mamografi benign, dan mamografi malignant. Setelah mempelajari data tersebut, sistem akan mencoba untuk mendeteksi jenis kanker payudara dari data baru yang dimasukkan. Nilai akurasi yang didapatkan adalah 100%, dengan rasio data pembelajaran sebanyak 1247 data (setelah diaugmentasi) dan data pengujian sebanyak 93 data, sehingga disimpulkan bahwa sistem ini baik. Namun nilai ini hanya untuk data MIAS, sehingga masih perlu pengembangan lebih lanjut supaya dapat diterapkan ke data-data yang lain juga.

---

Breast Cancer (BC) is one of the diseases that still occur a lot in developing countries like Indonesia. In Indonesia alone, BC is the number one most occurrence cancer. This cancer detection can be done early by manual, checking if there is any lump or abnormality in breast. If there are any lump, it is recommended to go check in hospital. There are a lot of methods like Magnetic Resonance Imaging (MRI), and Ultrasonography (USG). This image diagnostics sometimes got constrained by the lack of radiology specialist in some hospital. Therefore, to counter this problem, Computer Aided Diagnostics (CAD) help is needed to detect those images. Convolutional Neural Network algorithm is based on the result of the routine x-ray's check of breast, both normal and abnormal which tend to show some changes, which one of them is texture (content). Data used in this research came from Pilot European Image Processing Archive (PEIPA) website, Mammographic Image Analysis Society (MIAS) database. The system start by recognizing and learning 3 types of mammograph data, normal (healthy), benign and malignant. Then, system will try to detect and classify breast cancer type from the new input data. The accuracy score is 100%, with a ratio of 1247 datas for learning (after augmented) and 93 datas for testing, so it can be concluded that this system is good. But this score is achieved only for MIAS data, it still need further improvement  so it can be applied to another data."

"Pencitraan gelombang mikro sudah banyak digunakan di dunia dalam berbagai bidang yang berbeda, salah satunya digunakan pada bidang kesehatan. Penerapan dari gelombang mikro dapat digunakan untuk mendiagnosis tumor/kanker payudara dengan menggunakan sensitivitas yang tinggi untuk mendeteksi jaringan abnormal payudara yang memiliki kontras dielektrik yang rendah, dibandingkan dengan jaringan normal lainnya. Skripsi ini merancang sistem validasi algoritma sensitivity-maps pencitraan gelombang mikro yang telah dilakukan dipenelitian sebelumnya. Metode ini memanfaatkan pengukuran dua jenis objek sebagai kalibrasi sistem, yaitu: objek referensi sebagai latar yang tidak terdapat penghambur dan objek kalibrasi berupa objek kecil sebagai penghambur (scattering). Objek yang diuji terdiri dari objek dengan kontras dielektrik rendah yang terbuat dengan menggunakan material Polyurethane Foam, Balsa Wood, dan Expanded Polystyrene. Rekonstruksi dilakukan pada tiga jenis data pengukuran S-Parameter yaitu S11, S21, dan gabungan keduanya. S-parameter diukur pada dua frekuensi, yaitu 3 dan 10 GHz. Hasil pengukuran akan direkonstruksi menggunakan MATLAB untuk dijadi sebuah citra. Selian itu, parameter relative root mean squared error (RRMSE) dan structural similarity index (SSIM) digunakan untuk menganalisis citra secara kuantitatif. Hasil rekonstruksi menunjukkan pengukuran gabungan ( S11 dan S21) dengan kualitas citra terbaik dengan nilai RRMSE 0.082  dan SSIM 0.477

---

Microwave imaging has been widely used in the world in a variety of different fields, one of which is used in the health sector. The application of microwaves can be used to diagnose tumors/breast cancer by using a high sensitivity to detect abnormal breast tissue that has a low dielectric contrast, compared to other normal tissues. This thesis designs a validation system for the sensitivity-maps algorithm for microwave imaging that has been carried out in previous studies. This method utilizes the measurement of two types of objects as system calibration, namely: a reference object as a background where there are no scatterers and a calibration object in the form of small objects as scattering. The objects tested consist of objects with low dielectric contrast made using Polyurethane Foam, Balsa Wood, and Expanded Polystyrene materials. Reconstruction was carried out on three types of S-Parameter measurement data, namely S11, S21, and a combination of both. S-parameters are measured at two frequencies, namely 3 and 10 GHz. The measurement results will be reconstructed using MATLAB to become an image. In addition, the relative root mean squared error (RRMSE) and structural similarity index (SSIM) parameters are used to analyze the image quantitatively. The reconstruction results show the combined measurements (S11 and S21) with the best image quality with an RRMSE value of 0.082 and SSIM 0.477."