Article Per Year (5 Year)
p-Index From 2021 - 2026
3.057
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) JURNAL ILMIAH KESEHATAN KEPERAWATAN Global Medical and Health Communication As-syifaa Jurnal Farmasi Indonesian Journal of Medicine Studi Arab Jurnal 'Aisyiyah Medika Indonesian Journal of Global Health research Jurnal Pendidikan Sosiologi Undiksha Pharmaqueous Prosiding University Research Colloquium Jurnal Manajemen Pelayanan Kesehatan (The Indonesian Journal of Health Service Management) Serulingmas Health Journal (SHJ)
Khuluq, Husnul
Unknown Affiliation
Religion Humanities Biochemistry, Genetics & Molecular Biology Chemistry Computer Science & IT Dentistry Education Engineering Environmental Science Health Professions Immunology & microbiology Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 23 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 23 Documents
Search

 1   2   3 
Studi Etnobotani Penggunaan Tanaman Berkhasiat Obat Pada Masyarakat di Kecamatan Buluspesantren Kabupaten Kebumen Jawa Tengah Kurniawan, Indra; Khuluq, Husnul; Widiastuti, Tri Cahyani
Pharmaqueous: Jurnal Ilmiah Kefarmasian Vol. 3 No. 2 (2021): Volume 3, Nomor 2, November 2021
Publisher : Universitas Al-Irsyad Cilacap

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36760/jp.v3i2.328

Abstract

Latar Belakang : Tanaman berkhasiat obat telah lama dimanfaatkan oleh masyarakat sebagai obat tradisional yang dilakukan secara turun temurun. Studi etnobotani dapat dijadikan sebagai parameter untuk mengabadikan pengetahuan masyarakat dalam memanfaatkan tanaman sebagai obat. Tujuan Penelitian : Mengetahui jenis tanaman berkhasiat obat yang dimanfaatkan serta cara pemanfaatannya oleh masyarakat. Metode Penelitian : Penelitian ini menggunakan metode snowball sampling dengan wawancara semi terstruktur. Responden berjumlah 100 orang yang berasal dari 5 desa, yaitu Desa Arjowinangun, Desa Ayam putih, Desa Brecong, Desa Indrosari, dan Desa Waluyo. Hasil Penelitian : Berdasarkan dari hasil penelitian diketahui terdapat 90 jenis tanaman yang dimanfaatkan sebagai obat yang terdiri dari 44 famili tanaman. Tanaman berkhasiat obat yang paling banyak dimanfaatkan yaitu berasal dari famili Zingiberaceae 15,6%, bagian tanaman yang banyak dimanfaatkan yaitu daun 41,4%, habitus herba 31.1%, cara pengolahan yang banyak dilakukan yaitu dengan di rebus 50.0% serta cara pengunaanya yaitu dengan diminum 57.8%. Kesimpulan : Terdapat 90 jenis tanaman berkhasiat obat yang dimanfaatkan oleh masyarakat terdiri dari 44 famili tanaman. Zingiberacea merupakan famili tanaman yang paling banyak digunakan. Bagian tanaman yang paling banyak dimanfaatkan adalah daun. Habitus herba merupakan habitus yang paling banyak digunakan. Cara pengolahan terbanyak adalah dengan direbus serta cara penggunaan terbanyak adalah diminum. Rekomendasi : Diharapkan penelitian ini dapat dijadikan sebagai acuan untuk penelitian selanjutnya tentang studi etnobotani tanaman berkhasiat obat.
OPTIMALISASI KETERAMPILAN MENYIMAK DALAM PEMBELAJARAN BAHASA ARAB Khuluq, Husnul
STUDI ARAB Vol 7 No 2 (2016)
Publisher : Universitas Yudharta Pasuruan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35891/studi arab.v7i2.620

Abstract

Menyimak merupakan satu dari empat keterampilan berbahasa Arab yang harus dikuasi oleh peserta didik selain tiga keterampilan lainnya, yaitu berbicara, membaca, dan menulis. Namun kenyataan di lapangan, banyak guru Bahasa Arab justru abai dengan hanya memberikan sedikit porsi pada pengembangan keterampilan menyimak ini. Penyebabnya bisa jadi adalah kurang optimalnya guru dalam menggali beragam pendekatan, metode, strategi, media, hingga proses evaluasi yang dapat menunjang keterampilan menyimak peserta didik. Oleh karena itu diharapkan kedepannya para guru Bahasa Arab mulai memberikan perhatian yang lebih dalam pembelajaran menyimak. Karena menyimak sendiri memilik kaitan erat dan dapat dikatakan sebagai penunjang dalam menguasai keterampilan berbahasa lainnya, ditambah sejatinya bahasa itu pertama-tama adalah ujaran, yakni bunyi-bunyi bahasa yang diucapkan dan bisa didengar
MODEL PREDIKSI FAKTOR-FAKTOR RISIKO OBESITAS MENGGUNAKAN MACHINE LEARNING Khuluq, Husnul; Hamdi, Lazuardi Fatahillah; Ainni, Ayu Nissa; Widiastuti, Tri Cahyani
Journal of Health Service Management Vol 29 No 00 (2026): Vol 29/Edisi Khusus/Februari/2026
Publisher : Departemen of Health Policy and Management, Faculty of Medicine, Public Health, and Nursing, Universitas Gadjah Mada, Yogyakarta Jl. Farmako Sekip Utara Yogyakarta 55281 Telp 0274-547490

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/jmpk.v29i00.25716

Abstract

Background: Obesity is a major global health concern and a key risk factor for various non-communicable diseases, including diabetes, hypertension, and cardiovascular disorders. Despite extensive studies, accurately identifying the key contributing factors remains a challenge. Objective: This study aims to predict the likelihood of obesity using a machine learning algorithm, based on questionnaire-derived clinical and behavioral data. Several supervised machine learning algorithms—logistic regression, naïve Bayes, support vector machine (SVM), and random forest—will be employed to build predictive models. Model performance will be evaluated using accuracy, precision, sensitivity, specificity, and area under the receiver operating characteristic curve (AUC). Methods: We used an open-access dataset from Kaggle comprising 2,111 samples with anthropometric, demographic, and lifestyle data. Of these, 972 individuals were categorized as obese and 1,139 as non-obese. The target variable was categorized into binary labels: "Obesity" and "Non-Obesity." Preprocessing included one-hot encoding, label encoding, and train-test splitting. All four ML models were trained and evaluated using accuracy, area under the curve (AUC), precision, sensitivity, and specificity metrics. Results: The model achieved an accuracy of 98.58%, AUC of 99.96%, sensitivity of 98.99%, specificity of 98.21%, and precision of 98.01%. The most influential predictors were weight, frequent consumption of high-caloric food, family history of being overweight, physical activity frequency, and daily water intake. Conclusion: The model demonstrated high performance and identified key lifestyle-related features. These findings support machine learning's potential for obesity screening and public health strategy development.
Co-Authors Ainni, Ayu Nissa Anggraeni Eka Puspitasari Anggraeni, Riski Anwar Sodik, Anwar Dewi, Evelyne Citra Dr. Tuty Maryati,M.Pd . Dyah Aryani Perwitasari Dyah, Rafita Febriyuliani, Astri Ayu Fitri, Dwiki Fitriyanti, Laeli Fitriyati, Laely Hamdi, Lazuardi Fatahillah Handayani, Eka Wuri Indra Kurniawan Intiyani, Rafila Krisdiyanti, Yayu Kurniawati, Dzakiyah Putri Malihah, Umi Miyarso, Condrosuro Mulyani, Ayu Achiriyah Nguyen, Thang Pitorukmi, Ajeng Woro Prasandhya Astagiri Yusuf Putri Amalia Rahayu, Kukuh Puji Rahayu, Titi Pudji Utami, Rafika Widarto, Mulyo Widiastuti, Tri Cahyani Winarno, Tunjung Wirawan, I Gusti Made Arya Sutha Yusuf Kurniawan Zen, Achmad Lutfi