Article Per Year (5 Year)
p-Index From 2021 - 2026
1.633
P-Index
This Author published in this journals
All Journal Dinamik Sinkron : Jurnal dan Penelitian Teknik Informatika JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING JURTEKSI JURNAL TEKNOLOGI DAN ILMU KOMPUTER PRIMA (JUTIKOMP) METIK JURNAL Jurnal Pendidikan dan Teknologi Indonesia Jurnal Pengabdian kepada Masyarakat Politeknik Negeri Batam JURNAL TEKNOLOGI, KESEHATAN DAN ILMU SOSIAL
HS, Christnatalis
Universitas Prima Indonesia
Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mechanical Engineering Nursing Physics Public Health Social Sciences

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Dinamik

 1 
Systematic Literature Review: Penggunaan Sensor dalam Deteksi Nyeri Wajah berdasarkan Database Publik Azibi, Ahmad Izzu; Hutabarat, Emy Priyanka; Tarigan, Juan Kevin Timothi; Sitorus, Zeremia Armando; HS, Christnatalis
Dinamik Vol 30 No 2 (2025)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v30i2.10282

Abstract

Deteksi nyeri objektif merupakan tantangan dalam dunia medis, terutama bagi pasien yang tidak mampu mengungkapkan rasa sakit secara verbal. Dengan kemajuan teknologi sensor dan kecerdasan buatan, sistem otomatis untuk mendeteksi nyeri berbasis sinyal fisiologis dan ekspresi wajah mulai dikembangkan. Studi ini bertujuan mengidentifikasi tren, metode, dan kualitas metodologis dari penelitian yang menggunakan database publik seperti BioVid Heat Pain, UNBC-McMaster, dan SenseEmotion dalam pengembangan sistem deteksi nyeri berbasis sensor. Penelitian dilakukan dengan pendekatan Systematic Literature Review (SLR) berdasarkan protokol PRISMA 2020 melalui pencarian artikel di Google Scholar dalam rentang tahun 2015–2024. Setelah seleksi berdasarkan kriteria inklusi dan eksklusi, 26 studi dimasukkan ke dalam sintesis naratif. Data dianalisis berdasarkan jenis sensor, metode algoritma, akurasi, dan ukuran sampel, serta dievaluasi menggunakan pendekatan GRADE. Hasil menunjukkan bahwa BioVid dan UNBC-McMaster adalah database paling sering digunakan, dengan sensor EDA, EMG, dan ekspresi wajah sebagai modalitas dominan. Metode klasifikasi umum mencakup CNN, SVM, dan Random Forest. Studi menyimpulkan bahwa pendekatan multimodal dan deep learning meningkatkan akurasi deteksi nyeri, namun validasi klinis dan perhatian terhadap keragaman demografis masih dibutuhkan.
Tinjauan Sistematis Teknologi Radar Mimo dan Kecerdasan Buatan untuk Deteksi Nyeri Non-Invasif Lintas Populasi Wijaya, Sky Xavier; Kenichiro, Yoshie; Felim, Filbert; HS, Christnatalis; Prabowo, Agung
Dinamik Vol 31 No 1 (2026)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v31i1.10361

Abstract

Deteksi nyeri secara objektif merupakan tantangan penting dalam dunia medis, terutama bagi pasien yang tidak mampu menyampaikan rasa sakitnya secara verbal, seperti bayi, lansia, atau penderita gangguan komunikasi. Teknologi non- invasif berbasis sensor menjadi solusi potensial untuk mengatasi keterbatasan metode subjektif. Penelitian ini bertujuan meninjau secara sistematis literatur terkini mengenai penerapan Radar MIMO dan algoritma kecerdasan buatan dalam deteksi nyeri non-invasif. Metode yang digunakan adalah Systematic Literature Review (SLR) dengan pedoman PRISMA 2020, melalui penelusuran basis data IEEE Xplore, ScienceDirect, PubMed, Google Scholar, dan SpringerLink untuk periode 2021– 2025. Dari hasil seleksi diperoleh 17 artikel inklusi yang mencakup penggunaan Radar MIMO, UNBC-McMaster, BioVid, Medical Imaging (CT/MRI), Radar SISO, serta studi review, survey, bibliometrik, dan teoretis. Dari sisi algoritma, CNN dan SVM menjadi pendekatan paling dominan, diikuti Neural Network dan metode lain, dengan tren yang mengarah pada penggunaan multimodal untuk meningkatkan akurasi. Hasil penilaian kualitas dengan GRADE menunjukkan mayoritas studi berkualitas sedang, dengan keterbatasan utama pada ukuran sampel kecil, pelabelan nyeri yang belum konsisten, bias populasi, serta kurangnya validasi klinis nyata. Kesimpulannya, Radar MIMO dan algoritma deep learning memiliki potensi besar untuk deteksi nyeri non-invasif. Namun, penelitian lanjutan perlu difokuskan pada pembangunan dataset yang lebih inklusif, standarisasi pelabelan nyeri, serta pengujian dalam konteks klinis, dengan memperhatikan aspek etika dan privasi agar teknologi ini dapat diimplementasikan secara luas dalam layanan kesehatan.
Co-Authors Achmad Ridwan, Achmad Agung Prabowo Amir Mahmud Husein, Amir Mahmud Andrew Andrew, Andrew Andrian Andrian Andy Andy Aqil Muhammad Arviansyah Arus Iman Zebua Azibi, Ahmad Izzu Bachtiar Bachtiar Bachtiar Bachtiar Bobby Christianto Tambunan Br Sitohang, Sondang Agustina Darmanto Darmanto Daya, Onita Delima Sitanggang, Delima Eric Claudyo Ervin Susanto Gulo Felim, Filbert Ginting, Riski Titian Herry Kristover Manullang Hondro, Anugrah Prasakti Hutabarat, Emy Priyanka Kenichiro, Yoshie Kristanti, Inka Kuantan, Steven Lucky - Manday, Dhanny Rukmana Margaretha, Yulia Perangin Angin, Despaleri Rinaldi Rinaldi Rizal, Reyhan Achmad Roni Rayandi Saragih Rony Rony Rony, Rony Sarinova Florina Marbun Seteven, Billie Setia, Rifin Siregar, Saut Dohot Sitompul, Toga Hasudungan Sitorus, Daniel Ganda Sitorus, Zeremia Armando Sozaro Lase, Christoper Darius Tarigan, Juan Kevin Timothi Togar Timoteus Gultom Wijaya, Sky Xavier Yennimar, Yennimar Yosafat Ricardo Gulo