Claim Missing Document
Check
Articles

Analisis Keamanan Sistem Informasi Manajemen Rumah Sakit Menggunakan COBIT 2019 Pada Semen Padang Hospital Rury Moryanda; Nurul Abdillah; Chamy Rahmatiqa
Jurnal Manajemen Informasi Kesehatan Indonesia (JMIKI) Vol 14 No 1 (2026)
Publisher : Asosiasi Perguruan Tinggi Rekam Medis dan Informasi Kesehatan Indonesia- APTIRMIKI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33560/jmiki.v14i01.846

Abstract

Fokus penelitian ini adalah meningkatkan keamanan sistem informasi di Semen Padang Hospital. Kerangka acuan COBIT 2019 digunakan untuk melakukan audit, yang mencakup domain dan proses EDM03, APO12, dan APO13. Identifikasi risiko, penetapan kontrol keamanan dan memastikan kepatuhan terhadap standar yang diatur dalam COBIT 2019 merupakan semua komponen yang diteliti dalam penelitian ini. Hasil penelitian ini menunjukkan bahwa sistem informasi memiliki tingkat keamanan pada level 2, dengan perbedaan dua tingkat di bawah kondisi yang diharapkan. Oleh karena itu, perbaikan dan peningkatan keamanan data di Semen Padang Hospital diperlukan. Teknik keamanan informasi seperti pemindaian kelemahan, uji penetrasi, penggunaan WAF, pengawasan intrusi dan keamanan intelijen, dan enkripsi data adalah bagian dari tindakan yang diambil. Peningkatan keamanan fisik server, seperti instalasi CCTV dan pengendalian akses melalui kartu atau kunci, dan sertifikasi keamanan, seperti ISO 27001 untuk menjamin kesesuaian dengan standar keamanan. pelatihan SDM untuk meningkatkan pemahaman dan kemampuan menghadapi ancaman keamanan dan meningkatkan kolaborasi antar pegawai.
PENERAPAN ALGORITMA K-MEANS UNTUK KLASTERISASI POLA IKLIM STUDI KASUS: PROVINSI JAMBI PERIODE 2020-2024 Yandi Anzari; M. Yonggi Puriza; Niko Akbar; Nurul Abdillah; Oki Dahwanu; Elsi Alfionita Syawal
Djtechno: Jurnal Teknologi Informasi Vol 6, No 3 (2025): Desember
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i3.7994

Abstract

Penelitian ini menerapkan algoritma K‑Means untuk mengidentifikasi pola iklim dominan di Provinsi Jambi pada periode Januari 2020 sampai Desember 2024. Dataset bulanan berjumlah 60 observasi yang memuat enam variabel meteorologi: curah hujan, suhu rata‑rata, suhu maksimum, suhu minimum, kecepatan angin, dan kelembaban relatif. Data diagregasi dari data harian menjadi bulanan dan dipra‑proses dengan standardisasi Z‑Score untuk mengatasi heterogenitas skala antar fitur. Penentuan jumlah klaster optimal dilakukan secara kuantitatif menggunakan Elbow Method berdasarkan nilai inersia, yang menunjukkan titik belok pada k=3. Model K‑Means diinisialisasi secara acak dan dijalankan dengan beberapa pengulangan untuk menilai stabilitas hasil; keluaran divisualisasikan dalam proyeksi 2D dan 3D untuk memudahkan interpretasi spasial. Analisis centroid mengidentifikasi tiga rezim iklim: rezim kering/transisi (curah hujan rendah dan suhu relatif tinggi), rezim monsonal normal (curah hujan menengah‑tinggi dan kelembaban tinggi), serta rezim basah ekstrem (curah hujan sangat tinggi dan kelembaban tinggi). Hasil ini menyediakan tipologi iklim berbasis data yang relevan untuk perencanaan pertanian, mitigasi bencana hidrometeorologi, dan kebijakan adaptasi iklim di tingkat provinsi.
SIKOST berbasis AI: transformasi digital pengelolaan dan pemasaran UMKM rumah kos Mendalo Muh. Subhan; Yandi Anzari; Aulia Rachmawati; Nurul Abdillah; Niko Akbar; Heriyani Heriyani; Hamzah Alghifari
CREATIVE: Jurnal Pengabdian Masyarakat Vol. 1 No. 3 (2026): CREATIVE: Jurnal Pengabdian Masyarakat - Juli
Publisher : SCM PUBLISHING

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65881/creative.v1i3.139

Abstract

Tujuan: untuk mengimplementasikan Platform SIKOST berbasis Artificial Intelligence (AI) untuk meningkatkan efisiensi pengelolaan usaha rumah kos, memperkuat pemasaran digital, serta mendukung pengambilan keputusan berbasis data pada UMKM rumah kos. Metode: menggunakan pendekatan partisipatif dan pemberdayaan masyarakat melalui tahapan asesmen kebutuhan, implementasi Platform SIKOST, pelatihan dan pendampingan penggunaan sistem, penguatan pemasaran digital, serta monitoring dan evaluasi terhadap 20 pemilik usaha rumah kos di kawasan Mendalo, Kabupaten Muaro Jambi. Hasil: menunjukkan bahwa seluruh mitra berhasil mengadopsi Platform SIKOST (100%), efisiensi waktu administrasi meningkat sebesar 60,7%, tingkat hunian kamar meningkat sebesar 24,1%, seluruh mitra memanfaatkan dashboard analitik berbasis AI dalam pengelolaan usaha, serta terbentuk Komunitas Mitra SIKOST sebagai upaya keberlanjutan program. Kesimpulan: implementasi Platform SIKOST berbasis AI berhasil meningkatkan efisiensi pengelolaan dan pemasaran digital usaha rumah kos serta mendukung pengambilan keputusan berbasis data, sehingga berpotensi menjadi model transformasi digital UMKM rumah kos yang dapat direplikasi pada kawasan lain. Kontribusi: menghasilkan model digitalisasi UMKM rumah kos berbasis AI melalui integrasi sistem administrasi, pemasaran digital, dan analitik bisnis dalam satu platform, sekaligus meningkatkan literasi digital serta kemandirian mitra dalam pengelolaan usaha.
Klasifikasi Risiko Gempa Bumi menggunakan metode Decision Tree Akbar, Niko; Alghifari, Hamzah; Abdillah, Nurul; Dahwanu, Oki
DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY Vol. 6 No. 2: DESEMBER 2025
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/device.v6i2.7843

Abstract

Gempa bumi merupakan salah satu bencana alam yang sulit diprediksi namun memiliki dampak besar terhadap kehidupan manusia. Oleh karena itu, diperlukan suatu pendekatan analitis yang mampu mengidentifikasi pola dan hubungan antarparameter gempa untuk mendukung sistem peringatan dini. Penelitian ini bertujuan untuk melakukan Klasifikasi Dampak akan kejadian gempa bumi menggunakan metode Data Mining berbasis Decision Tree. Data yang digunakan berasal dari katalog gempa yang memuat atribut seperti Tanggal Kejadian (timestamp), magnitudo, kedalaman, serta koordinat lokasi (latitude dan longitude). Proses analisis meliputi tahap pembersihan data (data cleaning), transformasi, dan pembuatan model klasifikasi Decision Tree untuk menentukan tingkat potensi dan dampak gempa serta mengetahui keakuratan gempa bumi berdasarkan data dari tahun ketahun. Hasil penelitian menunjukkan bahwa atribut magnitudo memiliki pengaruh signifikan terhadap tingkat risiko gempa. Model Decision Tree yang dibangun mampu menghasilkan aturan klasifikasi seperti “Jika magnitudo <5 maka berpotensi Risiko gempa bumi rendah, sedangkan magnitudo antara 5-7 berisiko gempa bumi sedang, dan magnitudo ≥ 7 maka berpotensi Risiko Gempa Bumi Tinggi”, yang dapat digunakan untuk mendukung pengambilan keputusan dalam mitigasi bencana. Dengan demikian, metode Decision Tree terbukti efektif dalam mengungkap pola tersembunyi dari data gempa bumi dan dapat menjadi dasar bagi sistem prediksi serta peringatan dini gempa di masa mendatang. Disimpulkan bahwa akurasi masing – masing sebesar 100 %, sedangkan recall sebesar 100 % tapi hasil precision menunjukkan statistik yang berbeda yakni Prediksi Tidak Berpotensi Gempa Bumi  Besar sebesar 100%, sedangkan Prediksi Tidak berpotensi Gempa Bumi sedang sebesar 99,67%, dan terakhir prediksi Tidak berpotensi Gempa Bumi Kecil sebesar 96 %. Hasil pengujian ternyata menghasilkan magnitude rendah dengan ukuran >5,350 tergolong rendah, sedangkan magnitude rendah dengan ukuran <5,350 mempunyai frekuensi yang banyak. Dan Beberapa data berdasarkan statistik Magnitudo >5.350 ukuran sedang dari data sebanyak 16 data. Sedangkan magnitudo ≤ 5.350 Ukuran Rendah sebanyak 6716 Data yang ditemukan dan sudah dianalisis.
KLASIFIKASI DAN PREDIKSI KELUARGA BERISIKO STUNTING DI PROVINSI JAMBI MENGGUNAKAN METODE KNN DAN NAIVE BAYES Akbar, Niko; Alghifari, Hamzah; Abdillah, Nurul; Dahwanu, Oki
DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY Vol. 7 No. 1: JUNI 2026
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/device.v7i1.8522

Abstract

Di Indonesia Prevalensi stunting sebesar 37,2%, naik dari 35,6% pada tahun 2019 dan 36,8%, dengan mayoritas dipengaruhi oleh penduduk setempat. Kementerian Kesehatan Indonesia memperkirakan bahwa prevalensi stunting akan mencapai 38,9% pada tahun 2020. Permasalahannya Beberapa Data yang diambil dan dipakai berupa data sekunder yang di ada diwebsite opendata provinsi jambi yang berjudul Faktor Penapisan Keluarga Berisiko Stunting di Provinsi Jambi. Dengan menggunakan algoritma KNN dan Naïve Bayes, maka didapatkan hasilnya berupa kedua algoritma cocok untuk pengklasteran dan Scoring dari algoritma menunjukkan hasil yang berbeda. Karena keakurasiannya sesuai dengan perhitungan manual yang telah dijabarkan pada bagian pengolahan data. Beberapa hasil dari cross-validasi menyatakan bahwa nilai accuracy 85,29%, nilai precision berupa 83,33%, nilai recall 85,29%.
OPTIMALISASI PENGELOMPOKAN PASIEN BERDASARKAN FREKUENSI KUNJUNGAN MENGGUNAKAN METODE K-MEANS DI KLINIK MEDIKA SAINTIKA Herman Susilo; Imrah Sari; Muhammad Ihksan; Dede Fauzi; Nurul Abdillah
Jurnal Kesehatan Medika Saintika Vol 15, No 2 (2024): Desember 2024
Publisher : Stikes Syedza Saintika Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30633/jkms.v15i2.3039

Abstract

Klinik Medika Saintika menghadapi tantangan dalam pengelolaan data kunjungan pasien yang semakin kompleks. Data kunjungan memiliki potensi strategis dalam meningkatkan kualitas dan efisiensi layanan kesehatan. Penelitian ini bertujuan untuk mengaplikasikan metode K-Means dalam mengelompokkan pasien berdasarkan frekuensi kunjungan dan jenis layanan yang diterima, guna merancang layanan yang lebih terarah dan efektif. Menggunakan data frekuensi kunjungan pasien dari Januari hingga Desember 2024, penelitian ini menerapkan algoritma K-Means yang diolah melalui software RapidMiner. Hasil pengelompokan menunjukkan tiga cluster dengan centroid sebagai berikut: Cluster pertama (C1) memiliki centroid pada titik (12.0, 3.0, 0.8), yang menunjukkan bahwa pasien dalam cluster ini sering mengunjungi klinik dan memerlukan layanan pemeriksaan umum atau perawatan gigi. Cluster kedua (C2) memiliki centroid (15.0, 2.0, 1.0), yang menggambarkan pasien dengan kunjungan yang lebih terstruktur dan stabil, serta membutuhkan layanan rutin seperti pemeriksaan ibu hamil atau anak. Cluster ketiga (C3) memiliki centroid (5.0, 2.0, 0.25), yang mencakup pasien dengan kunjungan yang jarang dan hanya membutuhkan layanan spesifik atau perawatan sesekali. Pengelompokan ini memberikan wawasan yang berguna untuk merencanakan dan mengelola layanan kesehatan sesuai dengan karakteristik setiap kelompok pasien, serta mengalokasikan sumber daya secara lebih efisien. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan strategi pelayanan kesehatan berbasis data di Klinik Medika Saintika, yang dapat lebih dioptimalkan dengan analisis lanjutan.Kata Kunci: K-Means, Data Mining, Pengelompokan Pasien, Frekuensi Kunjungan, Klinik Medika Saintika, RapidMiner.
Pengembangan Aplikasi Prediksi Keparahan Pasien Hipertensi Dengan Menerapkan Algoritma KNN dan NBC Nurul Abdillah; Niko Akbar; Aulia Rachmawati; Alfita Dewi
Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Vol 11, No 2 (2026): Edisi Agustus
Publisher : STIKOM Tunas Bangsa Pematangsiantar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/jurasik.v11i2.985

Abstract

Hypertension is a non-communicable disease that requires accurate detection and severity assessment to support decision-making. This study aims to develop a web-based application for predicting the severity of hypertension patients by applying the K-Nearest Neighbor (KNN) and Naïve Bayes Classifier (NBC) algorithms. The dataset consists of 80 records with 17 predictor attributes and 1 class attribute representing the severity of hypertension. The research stages include data preprocessing, implementation of the KNN and NBC algorithms, accuracy testing, selection of the algorithm with the best performance, and development of a web-based prediction application. The results showed that the KNN algorithm achieved an accuracy of 81.25%, while the NBC algorithm achieved an accuracy of 83.75%. Based on the comparison, NBC was selected for implementation in the application because it achieved higher accuracy. The developed application allows users to enter patient data based on the available attributes, after which the system performs classification using NBC to predict the severity of hypertension. The results of this study provide a computerized application that can assist in predicting the severity of hypertension patients quickly and efficiently.
Design of a Boarding House Information System (SIKOST) Using the TOGAF Architecture Development Method (ADM) Framework Muh Subhan; Aulia Rachmawati; Nurul Abdillah; Yandi Anzari
Jurnal Teknologi Rekayasa Informasi dan Komputer Vol 9, No 2 (2026)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jtrik.v9i2.10736

Abstract

Conventional boarding house information management faces various challenges, ranging from inefficient room-search processes and inaccurate tenant data to limited integration among subsystems. This study aims to design an enterprise architecture for a web-based Boarding House Information System (SIKOST) using the TOGAF (The Open Group Architecture Framework) with the ADM (Architecture Development Method) approach. The design process was conducted through four main phases of TOGAF ADM: Architecture Vision (Phase A), Business Architecture (Phase B), Information Systems Architecture (Phase C), and Technology Architecture (Phase D). The research employed a mixed-method approach combining quantitative and qualitative methods with a literature review. The results produced a comprehensive SIKOST enterprise architecture blueprint, consisting of a business architecture with 12 main processes, a data architecture with 15 entities, an application architecture with 4 functional domains, and a technology architecture based on Laravel and MySQL. Validation using User Acceptance Testing (UAT) with 30 respondents resulted in a satisfaction score of 86.4%, which falls into the very good category.
Sosialisasi Teknologi Data Mining K-Means bagi Petugas Rekam Medis dalam Pengeloaan Berkas Rekam Medis di Rumah Sakit Jiwa Prof Dr HB Saanin Muhammad Ihksan; Dede Fauzi; Herman Susilo; Nurul Abdillah; Imrah Sari
Jurnal Abdimas Saintika Vol 6, No 2 (2024): November Jurnal Abdimas Saintika
Publisher : Stikes Syedza Saintika Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30633/jas.v6i2.3022

Abstract

Pengabdian masyarakat bertema "Sosialisasi Teknologi Data Mining K-Means bagi Petugas Rekam Medis di Rumah Sakit Jiwa Prof. Dr. HB Saanin" bertujuan untuk mengatasi tantangan pengelolaan rekam medis yang kompleks akibat meningkatnya volume data pasien. Kegiatan ini dirancang untuk meningkatkan literasi tenaga kesehatan dalam penerapan teknologi data mining, khususnya algoritma K-Means, guna mendukung pengambilan keputusan berbasis data. Metode yang digunakan meliputi sosialisasi, diskusi interaktif, dan simulasi langsung penerapan algoritma K-Means. Hasilnya, 85% peserta menunjukkan peningkatan pemahaman yang signifikan, didukung dengan antusiasme tinggi selama kegiatan. Program ini menjadi awal transformasi digital rumah sakit, dengan rekomendasi pelatihan lanjutan dan pengembangan infrastruktur untuk penerapan data mining berkelanjutan.Kata Kunci: Data Mining, K-Means, Rekam Medis, Sosialisasi
SOSIALISASI STRATEGI PEMANFAATAN REPLIKASI BASIS DATA (MASTER-MASTER DAN MASTER-SLAVE) UNTUK PENINGKATAN KINERJA APLIKASI DI RSIA MUTIARA BUNDA Herman Susilo; Dede Fauzi; Muhammad Ihksan; Nurul Abdillah
Jurnal Abdimas Saintika Vol 6, No 1 (2024): Mei Jurnal Abdimas Saintika
Publisher : Stikes Syedza Saintika Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30633/jas.v6i1.2739

Abstract

The community service (Pengabmas) event held on February 3, 2024, at RSIA Bunda aimed to enhance application performance by implementing database replication strategies. The event focused on the theme "Socialization of Database Replication Strategies (Master-Master and Master-Slave) for Improving Application Performance at RSIA Mutiara Bunda." The activity began with an introduction to the fundamental concepts of database replication, presenting participants with the two main models: master-slave and master-master. The master-slave model, which involves one master server and several slave servers, and the master-master model, where each server functions as a master, were explained in detail. The discussion covered the advantages and disadvantages of each model in the context of enhancing application performance and system reliability. Participants, consisting of IT staff and information system managers at RSIA Mutiara Bunda, were provided with insights on selecting the appropriate replication model based on the specific needs of the hospital. Additionally, they received training on the techniques of implementing and managing database replication to ensure a more reliable and scalable system. The goal of this socialization was to enable RSIA Mutiara Bunda to apply suitable database replication strategies to optimize application performance and improve hospital operational efficiency. This community service not only enhanced the technical understanding of the participants but also contributed to the improvement of healthcare services through better information technology. Keywords : Community service, database replication, master-slave, master-master, application performance, RSIA Mutiara Bunda