Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Riset Sistem dan Teknologi Informasi Jurnal Pengabdian kepada Masyarakat (PEMAS)
Dianda Rifaldi
Universitas Riau Indonesia
Religion Humanities Computer Science & IT Decision Sciences, Operations Research & Management Education Social Sciences

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

Found 2 Documents
Search

 1 
Peningkatan Literasi Digital Masyarakat untuk Identifikasi Informasi Kesehatan Valid di Puskesmas Kempas Jaya Dianda Rifaldi; Muhammad Rahmad; Galih Fanani; Alya Masitha; Mesy Yulandari; Tri Stiyo Famuji
Jurnal Pengabdian kepada Masyarakat (PEMAS) Vol. 3 No. 2 (2026): Mei 2026
Publisher : Yayasan Ran Edu Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63866/pemas.v3i2.133

Abstract

Akses internet yang semakin mudah mendorong masyarakat memanfaatkan media sosial dan aplikasi percakapan sebagai sumber informasi kesehatan, sekaligus meningkatkan risiko paparan informasi yang keliru, tidak lengkap, atau menyesatkan. Kegiatan pengabdian ini bertujuan meningkatkan literasi digital masyarakat di wilayah kerja Puskesmas Kempas Jaya dalam mencari, mengevaluasi, memverifikasi, dan memanfaatkan informasi kesehatan digital secara bertanggung jawab. Kegiatan dilaksanakan pada 21 April 2026 dengan melibatkan 30 peserta melalui pendekatan Community-Based Research dan desain one-group pretest-posttest. Tahapan meliputi identifikasi kebutuhan, pretest, penyuluhan, demonstrasi pemeriksaan fakta, praktik pencarian informasi menggunakan mesin pencari, Google Fact Check Explorer, Google Lens, kecerdasan buatan secara kritis, serta situs resmi kesehatan, dilanjutkan dengan diskusi kasus, posttest, dan evaluasi. Instrumen divalidasi melalui expert judgment oleh dua ahli bidang Informatika dan Kesehatan Masyarakat. Data dianalisis secara deskriptif dan menggunakan Wilcoxon signed-rank test dengan tingkat signifikansi 5%. Hasil menunjukkan peningkatan rata-rata skor pengetahuan dari 52,30 menjadi 83,70, dengan selisih 31,40 poin atau peningkatan relatif 60,04%. Peserta berkategori baik meningkat dari 4 orang (13,3%) menjadi 23 orang (76,7%), dengan hasil uji Wilcoxon menunjukkan perbedaan signifikan (p < 0,001). Tingkat kepuasan peserta mencapai 96,7%. Hasil ini menunjukkan bahwa integrasi Informatika dan Kesehatan Masyarakat dapat meningkatkan pengetahuan masyarakat dalam mengevaluasi informasi kesehatan digital. Keberlanjutan program perlu didukung melalui pendampingan berkala dan penyediaan modul digital.
Pembuatan Profil Status Gizi Balita Berbasis Pembelajaran Mesin Menggunakan Indikator Antropometri Dianda Rifaldi; Galih Pramuja Inngam Fanani; Alya Masitha; Setiawan Ardi Wijaya; Irwandi Rizki Saputra
Jurnal Riset Sistem dan Teknologi Informasi Vol. 4 No. 2 (2026): Jurnal Riset Sistem dan Teknologi Informasi (RESTIA)
Publisher : Universitas Aisyiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30787/restia.v4i2.2658

Abstract

Stunting and nutritional issues among children under five remain major public health challenges in Indonesia, requiring precise, data-driven monitoring. This study aims to establish nutritional status profiles for children under five using a machine learning approach based on anthropometric indicators. The methodology began with a data quality audit and Exploratory Data Analysis (EDA) on a dataset comprising 120,999 observations with no missing values. The dataset consisting of age, height, and gender attributes was split using a stratified approach (80:20) and subsequently standardized using StandardScaler and OneHotEncoder. Four classification algorithms (Logistic Regression, Decision Tree, Gradient Boosting, and Random Forest) were evaluated comparatively. Experimental results demonstrated that Random Forest achieved the best performance, with an accuracy of 98.94%, a macro-averaged Precision of 98.74%, a macro-averaged Recall of 98.45%, and a macro-averaged F1-Score of 98.59%. The model's reliability and consistency were confirmed via 5-Fold Stratified Cross-Validation, yielding an average accuracy of 99.04% with a very low standard deviation (0.0009). Furthermore, feature importance analysis revealed that height (60%) and age (39%) were the most dominant anthropometric indicators in determining the nutritional status profiles of children under five. This study demonstrates that the Random Forest algorithm, based on anthropometric indicators, is suitable for implementation as a decision support system for growth monitoring and the early detection of nutritional issues in children.
Co-Authors Alya Masitha Alya Masitha Galih Fanani Galih Pramuja Inngam Fanani Irwandi Rizki Saputra Mesy Yulandari Muhammad Rahmad Tri Stiyo Famuji Wijaya, Setiawan Ardi