Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal RABIT: Jurnal Teknologi dan Sistem Informasi Univrab
Nunsina
Universitas Malikussaleh
Computer Science & IT Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PREDIKSI JUMLAH PASIEN RAWAT INAP MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING DI RSU CUT MEUTIA KOTA LHOKSEUMAWE: Prediksi Jumlah Pasien Eriska Hamida Sihotang; Dahlan Abdullah; Nunsina
Rabit : Jurnal Teknologi dan Sistem Informasi Univrab Vol 10 No 2 (2025): Juli
Publisher : LPPM Universitas Abdurrab

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36341/rabit.v10i2.6060

Abstract

The increasing number of inpatient visits at hospitals requires better and more accurate planning by healthcare facilities. Poor planning can lead to an imbalance between the number of patients and the available resources, such as hospital beds, medical personnel, and medications. This study aims to develop a forecasting system for predicting the number of inpatients using the  (DES) method at RSU Cut Meutia Kota Lhokseumawe. The DES method is chosen because it is capable of handling historical data that exhibits trend patterns without seasonal components. The data used in this study consists of daily inpatient records from 2022 to 2024. The forecasting process involves testing several alpha and beta values to determine the most optimal parameter combination, which yields the highest accuracy based on the Mean Absolute Percentage Error (MAPE). The forecasting system is developed using Python programming language and produces outputs in the form of graphs and daily prediction tables. The results show that the DES method provides accurate forecasts and can assist in improving inpatient capacity planning and overall hospital resource management.  
IMPLEMENTASI CHATBOT BERBASIS AI UNTUK MEMBERIKAN INFORMASI TUBERKULOSIS SENSITIF MENGGUNAKAN NATURAL LANGUAGE Sari Erliani; Eva Darnila; Nunsina
Rabit : Jurnal Teknologi dan Sistem Informasi Univrab Vol 10 No 2 (2025): Juli
Publisher : LPPM Universitas Abdurrab

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36341/rabit.v10i2.6541

Abstract

Penelitian ini mengembangkan chatbot berbasis Artificial Intelligence (AI) dengan algoritma Natural Language Processing (NLP) dan Long Short-Term Memory (LSTM) untuk memberikan informasi seputar Tuberkulosis Sensitif secara akurat dan interaktif. Latar belakang penelitian ini adalah tingginya kebutuhan masyarakat terhadap akses informasi kesehatan yang cepat dan terpercaya, mengingat Tuberkulosis Sensitif masih menjadi masalah kesehatan serius di Indonesia. Sistem dikembangkan berbasis web dengan antarmuka sederhana, dan basis pengetahuan diperoleh dari wawancara dengan dokter spesialis paru untuk menjamin validitas informasi. Tahapan pengembangan sistem meliputi preprocessing (tokenisasi, padding, embedding) dan pelatihan model dengan arsitektur BiLSTM untuk klasifikasi intent. Hasil evaluasi menunjukkan performa tinggi dengan akurasi 99,51%, precision 99,39%, recall 100%, dan F1-score 99,69%. Uji terhadap 10 pertanyaan acak menghasilkan nilai Mean Average Precision (MAP) 100%, menunjukkan konsistensi dan relevansi jawaban chatbot. Meski demikian, sistem memiliki keterbatasan seperti ukuran dataset terbatas dan cakupan hanya dalam Bahasa Indonesia. Beberapa input di luar skenario dataset tidak terjawab dengan akurat. Uji statistik menunjukkan nilai p < 0,05, menandakan hasil signifikan. Chatbot ini diharapkan dapat menjadi media edukatif yang mendukung penyebaran informasi kesehatan dan meningkatkan kesadaran masyarakat dalam memahami serta mencegah Tuberkulosis Sensitif. Pengembangan selanjutnya disarankan mencakup fitur multibahasa dan integrasi dengan layanan kesehatan digital.
Co-Authors Dahlan Abdullah Eriska Hamida Sihotang Eva Darnila Sari Erliani