Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JOURNAL OF SCIENCE AND SOCIAL RESEARCH Jurnal Pengabdian Masyarakat dan Riset Pendidikan
Syahputri Amelia
Universitas Asahan
Humanities Computer Science & IT Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

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

Found 2 Documents
Search

 1 
Implementasi Sistem Monitoring Kualitas Air Kolam untuk Mendeteksi Kondisi Air Baik dan Buruk Berbasis Internet of Things (IOT): Penelitian Dicky Apdilla; Reza Fahlevi; Izwal Jamil Margolang; Syahputri Amelia
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 4 (2026): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 4 April - Juni
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i4.5631

Abstract

Perkembangan teknologi Internet of Things (IoT) memberikan solusi dalam sistem monitoring yang lebih efisien dan real-time, termasuk pada pengelolaan kualitas air kolam. Kualitas air merupakan faktor penting yang memengaruhi kelangsungan hidup organisme akuatik, sehingga diperlukan sistem pemantauan yang akurat dan berkelanjutan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem monitoring kualitas air kolam berbasis IoT menggunakan ESP32 dan sensor Total Dissolved Solids (TDS). Sistem bekerja dengan membaca nilai TDS dalam satuan ppm, mengklasifikasikan kondisi air ke dalam kategori baik, waspada, atau buruk berdasarkan nilai ambang batas, serta mengirimkan data ke server melalui jaringan WiFi untuk ditampilkan pada website monitoring secara real-time. Metode penelitian yang digunakan adalah metode eksperimen dengan melakukan perancangan perangkat keras, pemrograman sistem, serta pengujian kinerja alat. Hasil penelitian menunjukkan bahwa sistem mampu membaca, mengolah, dan mengirimkan data kualitas air secara stabil dan akurat. Sistem ini membantu pengguna dalam memantau kondisi air kolam tanpa pengukuran manual serta mendukung pengambilan keputusan secara cepat dan tepat.
ANALISIS TINGKAT KEPARAHAN COVID-19 DI SUATU NEGARA MENGGUNAKAN METODE K-MEDOID CLUSTERING Syahputri Amelia; Eldo Yusri; Bambang Irwansyah; Ayu Andira; Muhammad Sukri; Muhammad Fauzan Yafi; Muhammad Affandi
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 1 (2026): February 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i1.5787

Abstract

Abstract: This study aims to classify the severity of COVID-19 cases based on patient and region data using the K-Medoid Clustering method. COVID-19 has varying degrees of symptom severity, requiring cluster analysis to identify severity patterns to support decision-making in healthcare resource allocation and policy formulation. The data used included the number of positive cases, recovered cases, deaths, the average age of patients, and comorbidity levels. The results showed that the K-Medoid method was able to effectively cluster the data. In the raw dataset, the percentage of patients not infected with COVID-19 was 62.62%, while the percentage of infected patients was 37.38%. Based on sample characteristics, non-obese patients accounted for 74.54%, obese patients 25.46%, and patients with a combination of obesity and cardiovascular disease 0.57%. Keywords: Covid-19, Severity, K-Medoid Clustering, Data Mining Abstrak: Penelitian ini bertujuan untuk mengelompokkan tingkat keparahan kasus COVID-19 berdasarkan data pasien dan wilayah menggunakan metode K-Medoid Clustering. COVID-19 memiliki variasi tingkat keparahan gejala, sehingga diperlukan analisis klaster untuk mengidentifikasi pola keparahan yang mendukung pengambilan keputusan dalam alokasi sumber daya kesehatan dan perumusan kebijakan. Data yang digunakan meliputi jumlah kasus positif, kasus sembuh, kasus meninggal, usia rata-rata pasien, serta tingkat komorbiditas. Hasil penelitian menunjukkan bahwa metode K-Medoid mampu melakukan pengelompokan data secara efektif. Pada dataset mentah, persentase pasien tidak terjangkit COVID-19 sebesar 62,62%, sedangkan pasien terjangkit sebesar 37,38%. Berdasarkan karakteristik sampel, pasien non-obesitas memiliki persentase 74,54%, pasien obesitas 25,46%, dan pasien dengan kombinasi obesitas serta penyakit kardiovaskular sebesar 0,57%. Kata Kunci : Covid-19, Tingkat Keparahan, K-Medoid Clustering, Data Mining
Co-Authors Ayu Andira Bambang Irwansyah Dicky Apdilla Eldo Yusri Izwal Jamil Margolang Muhammad Affandi Muhammad Fauzan Yafi Muhammad Sukri Reza Fahlevi