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 15 Documents
Search

 1   2 
Systematic Literature Review: Menilai Tingkat Nyeri Melalui Pola Suara Kristanti, Inka; Br Sitohang, Sondang Agustina; Margaretha, Yulia; Daya, Onita; HS, Christnatalis
METIK JURNAL (AKREDITASI SINTA 3) Vol. 9 No. 2 (2025): METIK Jurnal
Publisher : LPPM Universitas Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47002/mn6wfj51

Abstract

In the medical field, Accurate detection of pain levels is a crucial aspect of healthcare, especially for patient groups who cannot directly communicate their pain, such as infants, individuals in critical condition, or those with neurological dysfunction. This study aims to test the effectiveness of a voice pattern analysis approach in detecting pain levels through a Systematic Literature Review (SLR) method. From 500 articles, 13 relevant inclusion studies were selected based on PRISMA criteria. The review results indicate that sounds such as crying and moaning can serve as objective pain indicators, and have great potential for integration into clinical systems. Supported by artificial intelligence algorithms such as Support Vector Machine (SVM), Convolutional Neural Network (CNN), and Long Short-Term Memory (LSTM), the accuracy level of pain detection based on sound reaches 83% to 96% depending on the type of data and methods. Although the results are promising, there are several challenges such as limited dataset variability, background noise interference, and the absence of a standardized voice-based pain classification. Therefore, further research is needed for direct validation of the system in clinical environments, development of classification standards, and exploration of multimodality to improve accuracy. This research is expected to serve as a foundation for the development of more objective, adaptive, and inclusive pain assessment technologies for patients with communication limitations.
Pelatihan Internet Of Things (IoT) Untuk Meningkatkan Kompetensi Digital Siswa Di Smk Negeri Jorlang Hataran Perangin Angin, Despaleri; Gultom, Togar Timoteus; Sitanggang, Delima; Yennimar, Yennimar; Prabowo, Agung; Siregar, Saut Dohot; Ridwan, Achmad; Ginting, Riski Titian; HS, Christnatalis; Manday, Dhanny Rukmana
Jurnal Pengabdian kepada Masyarakat Politeknik Negeri Batam Vol. 7 No. 1 (2025): Jurnal Pengabdian kepada Masyarakat Politeknik Negeri Batam
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/abdimaspolibatam.v7i1.10114

Abstract

The purpose of this community service activity is to enhance digital competency skills at SMK Negeri I Jorlang Hataran. The method used in the implementation of this activity is training through the delivery of materials, practical training on the assembly and programming of IoT devices, and a question-and-answer session. The participants of this activity consist of 37 students from the 11th grade RPL (Software Engineering) major. The instruments used in this activity include participant feedback and activity documentation. The results of the implementation show that the participants' responses to the basic computer training were overall in the good category. The percentage of student responses reached 98.20%, which falls into the very good category.
PERBANDINGAN METODE MULTIPLICATIVE, ADDITIVE DAN DOUBLE SEASONAL HOLT-WINTERS UNTUK PREDIKSI PENJUALAN MOBIL Christnatalis, Christnatalis; Rinaldi, Rinaldi; Andy, Andy; Seteven, Billie; Darmanto, Darmanto; Sitorus, Daniel Ganda
JURNAL TEKNOLOGI KESEHATAN DAN ILMU SOSIAL (TEKESNOS) Vol. 1 No. 1 (2019): JURNAL TEKNOLOGI, KESEHATAN DAN ILMU SOSIAL (TEKESNOS)
Publisher : Universitas Sari Mutiara Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Prediksi (forecasting) dapat membantu perusahaan untuk menentukan jumlah penjualan barang di masa yang akan datang, sehingga perusahaan dapat memutuskan untuk melakukan penambahan atau pengurangan stok barang. Metode Holt-Winters adalah metode prediksi kuantitatif yang digunakan untuk memprediksi data tren dan musiman. Beberapa variasi dari metode Holt-Winters adalah Multiplicative Holt-Winters, Additive Holt-Winters dan Double Seasonal Holt-Winters. Penerapan beberapa variasi Holt-Winters pada data penjualan mobil GAIKINDO akan memperoleh informasi mengenai akurasi dari ketiga metode. Akurasi metode peramalan Holt-Winters bergantung pada model data yang digunakan. Additive Holt-Winters cocok digunakan untuk memprediksi model data yang cukup konstan, seperti data penjualan mobil Toyota (MAPE = 3.18278% dan nilai RMSE = 1304.96), sedangkan Double Seasonal Holt-Winters cocok digunakan untuk model data penjualan yang mempunyai dua pola musiman, seperti data penjualan mobil BMW serta metode Multiplicative Holt-Winters cocok untuk model data penjualan mobil yang mempunyai fluktuasi cukup tinggi di atas dan di bawah nilai rata-rata, seperti data mobil Scania.
PENGACAKAN CITRA DIGITAL DENGAN MENGGUNAKAN LOGISTIC MAP DAN PIECEWISE LINEAR CHAOTIC MAP Andrew, Andrew; Andrian, Andrian; Kuantan, Steven; Setia, Rifin; Christnatalis, Christnatalis
JURNAL TEKNOLOGI KESEHATAN DAN ILMU SOSIAL (TEKESNOS) Vol. 1 No. 1 (2019): JURNAL TEKNOLOGI, KESEHATAN DAN ILMU SOSIAL (TEKESNOS)
Publisher : Universitas Sari Mutiara Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Transfer file citra dapat dilakukan melalui jaringan internet yang tidak aman, sehingga citra pada bidang medis, penelitian, bisnis, militer dan bidang lainnya yang mengandung kerahasiaan membutuhkan proteksi. Pengacakan citra dapat dilakukan untuk mengamankan informasi yang terkandung pada citra digital.Metode chaotic map yang dapat digunakan untuk mengacak citra digital adalah Logistic Map dan Piecewise Linear Chaotic Map. Kedua metode chaotic map ini diketahui memiliki siklus yang besar dan memiliki distribusi keseragaman yang acak.Pengacakan citra dengan menggunakan kedua chaotic map ini adalah dengan mengacak nilai intensitas piksel citra menggunakan fungsi gerbang logika xor dan nilai acak yang dihasilkan oleh kedua metode chaotic map.Pengacakan dengan Logistic Map dengan menggunakan nilai parameter = 4 memperoleh hasil pengacakan citra paling baik secara visual dengan nilai MSE = 9496.75862, sedangkan pengacakan dengan Piecewise Linear Chaotic Map dengan menggunakan nilai parameter p = 0.5 memperoleh hasil pengacakan citra paling baik secara visual dengan nilai MSE = 9803.35705.
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