Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Keperawatan GSH Jurnal Komputer dan Teknologi (JUKOMTEK)
Meliyani, Revi
Unknown Affiliation
Computer Science & IT Health Professions Library & Information Science Medicine & Pharmacology Nursing Public Health

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
PENGARUH INHALASI UAP KAYU PUTIH TERHADAP KETIDAKEFEKTIFAN BERSIHAN JALAN NAFASPADA PASIEN BRONKHITIS DI PUSKESMAS WONOGIRI I Meliyani, Revi; Marni, Marni
Jurnal AKPER GSH Vol 9, No 2 (2020): Juli 2020
Publisher : Akademi Keperawatan Giri Satria Husada Wonogiri

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

Abstract

Latar Belakang: Bronkitis adalah suatu infeksi saluran pernapasan yang menyebabkan inflamasi yang mengenai trakea, bronkus utama dan menengah yang bermanifestasi sebagai batuk, dan biasanya akan membaik tanpa terapi dalam 2 minggu. Salah satu upaya untuk mengatasi masalah tersebut dapat dilakukan dengan cara terapi inhalasi uap. Inhalasi uap adalah pemberian obat dalam bentuk uap langsung menuju alat pernafasan(hidung dan paru-paru menggunakan alat cerobong yang bertujuan untuk mencairkan dahak / lendir dari paru-paru yang menutupi saluran pernafasan sehingga nafas kembali normal. Tujuan Penulisan: Menyusun resume asuhan keperawatan pada pasien bronkitis dengan tindakan inhalasi uap kayu putih untuk mengatasi masalah ketidakefektifanbersihan jalan nafas. Metode : Penelitian ini menggunakan metode studi kasus (Case Study). Partisipan adalah 2 subjek yang mengalami masalah ketidakefektifan bersihan jalan nafas. Instrumen yang digunakan adalah adalah air panas, handuk dan kayu putih. Hasil: Subjek mengalami penurunan sesak nafas dan RR atau frekuensi nafas berkurang Kesimpulan: Terapi inhalasi terbukti dapat mengatasi sesak nafas.
PENGARUH INHALASI UAP KAYU PUTIH TERHADAP KETIDAKEFEKTIFAN BERSIHAN JALAN NAFASPADA PASIEN BRONKHITIS DI PUSKESMAS WONOGIRI I Meliyani, Revi; Marni, Marni
Jurnal AKPER GSH Vol 9, No 2 (2020): Juli 2020
Publisher : Akademi Keperawatan Giri Satria Husada Wonogiri

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

Abstract

Latar Belakang: Bronkitis adalah suatu infeksi saluran pernapasan yang menyebabkan inflamasi yang mengenai trakea, bronkus utama dan menengah yang bermanifestasi sebagai batuk, dan biasanya akan membaik tanpa terapi dalam 2 minggu. Salah satu upaya untuk mengatasi masalah tersebut dapat dilakukan dengan cara terapi inhalasi uap. Inhalasi uap adalah pemberian obat dalam bentuk uap langsung menuju alat pernafasan(hidung dan paru-paru menggunakan alat cerobong yang bertujuan untuk mencairkan dahak / lendir dari paru-paru yang menutupi saluran pernafasan sehingga nafas kembali normal. Tujuan Penulisan: Menyusun resume asuhan keperawatan pada pasien bronkitis dengan tindakan inhalasi uap kayu putih untuk mengatasi masalah ketidakefektifanbersihan jalan nafas. Metode : Penelitian ini menggunakan metode studi kasus (Case Study). Partisipan adalah 2 subjek yang mengalami masalah ketidakefektifan bersihan jalan nafas. Instrumen yang digunakan adalah adalah air panas, handuk dan kayu putih. Hasil: Subjek mengalami penurunan sesak nafas dan RR atau frekuensi nafas berkurang Kesimpulan: Terapi inhalasi terbukti dapat mengatasi sesak nafas.
PREDIKSI KLAIM ASURANSI MENGGUNAKAN ALGORITMA MACHINE LEARNING DENGAN PEMBANDING GENERALIZED LINEAR MODEL (GLM) Meliyani, Revi; Amin Siregar, Qowiyyul; Rahmah, Hikmah; Musito, M. Hamal; Liana Kacaribu, Tica
Jurnal Komputer dan Teknologi Vol 3 No 1 (2024): JUKOMTEK JANUARI 2024
Publisher : Yayasan Pendidikan Cahaya Budaya Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64626/jukomtek.v3i1.563

Abstract

Permasalahan prediksi klaim pada industri asuransi merupakan aspek penting dalam proses underwriting, perhitungan premi, dan manajemen risiko. Penelitian ini bertujuan untuk menganalisis performa algoritma machine learning dalam memprediksi klaim asuransi dan membandingkannya dengan pendekatan statistik klasik, yaitu Generalized Linear Model (GLM). Data klaim umumnya memiliki karakteristik yang kompleks seperti non-linearitas, imbalance class, dan variabel interaksi yang sulit ditangkap oleh model linear. Oleh karena itu, penelitian ini menerapkan beberapa algoritma machine learning, yaitu Random Forest, Gradient Boosting, dan XGBoos, untuk memodelkan probabilitas klaim. Evaluasi performa dilakukan menggunakan metrik AUC, F1-score, dan akurasi, disertai analisis feature importance. Hasil penelitian menunjukkan bahwa model machine learning memiliki performa prediksi yang lebih baik dibandingkan GLM, terutama pada masalah data tidak seimbang. XGBoost memberikan nilai AUC tertinggi sebesar 0,063194, sedangkan GLM cenderung memiliki performa lebih rendah pada pola data non-linear. Temuan ini menunjukkan bahwa machine learning dapat menjadi pendekatan alternatif yang efektif dalam mendukung proses pengambilan keputusan aktuaria dan pengembangan sistem pendukung keputusan di industri asuransi
Co-Authors Amin Siregar, Qowiyyul Claudia Secu, Maria Amelia Idaman, Syukrio Liana Kacaribu, Tica Marni Marni, Marni Musito, M. Hamal Rahmah, Hikmah Sahamony, Nur Fitriyani