Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Edu Dharma Journal: Jurnal penelitian dan pengabdian masyarakat International Journal of Artificial Intelligence in Medical Issues
Puspitasari, Rahma
Unknown Affiliation
Computer Science & IT Dentistry Health Professions Medicine & Pharmacology Nursing Public Health

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PENGARUH PENDIDIKAN HAND HYGIENE TERHADAP PERILAKU CUCI TANGAN ENAM TAHAP PADA KELUARGA PASIEN DI UNIT RAWAT INAP RUMAH SAKIT dr. SITANALA TANGERANG Ayuningtyas, Gita; Ekawati, Nita; Puspitasari, Rahma
Edu Dharma Journal :Jurnal penelitian dan pengabdian masyarakat Vol 5, No 1 (2021): Edu Dharma Journal: Jurnal Penelitian Dan Pengabdian Masyarakat
Publisher : Sekolah Tinggi Ilmu Kesehatan Widya Dharma Husada Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52031/edj.v5i1.91

Abstract

Infeksi nosokomial mengacu pada infeksi yang terjadi ketika pasien dirawat di rumah sakit atau fasilitas medis lain, dan infeksi ini tidak tersedia saat masuk. Setiap pasien rumah sakit berisiko terkena infeksi yang didapat di rumah sakit. Keluarga pasien dapat menjadi perantara yang dapat menyebarkan infeksi. Cuci tangan merupakan cara efektif untuk memutus rantai infeksi. Kesalahan untuk melakukan cuci tangan dengan benar dapat dianggap sebagai penyebab utama terjadinya infeksi nosokomial di sarana kesehatan. Pemberian edukasi cuci tangan kepada keluarga pasien harus dilakukan oleh seluruh civitas rumah sakit. Peningkatan pemahaman keluarga pasien tentang cuci tanagn enam tahap dapat berpengaruh terhadap perilaku mencuci tangan. Penelitian ini bertujuan untuk mengetahui impak pendidikan cuci tangan terhadap konduite mencuci tangan enam tahap pada famili pasien. Metode penelitian memakai ancangan kuantitatif dengan memakai pola cross sectional yang dilakukan kepada 198 responden memakai kuesioner dan observasi. Hasil penelitian didapatkan mayoritas usia responden 36-45 tahun (41%), jenis kelamin wanita 110 (56%), pendidikan pada jenjang SMA sebanyak 77 (39%), dan pengalaman terhadap edukasi cuci tangan menyatakan 90% responden pernah terpapar. Dari uji chi-square dapat disimpulkan bahwa pendidikan cuci tangan berpengaruh signifikan terhadap perilaku cuci tangan enam tahap keluarga pasien (p value = 0,046). Saran yang dapat diberikan yaitu perawat perlu meningkatkan pemberian edukasi cuci tangan enam tahap pada keluarga pasien secara konsisten dan berkesinambungan
Comparative Machine Learning Models for Dementia Prediction Using SMOTE Puspitasari, Rahma; Amaliah, Tazkirah; Darwis, Herdianti
International Journal of Artificial Intelligence in Medical Issues Vol. 3 No. 2 (2025): International Journal of Artificial Intelligence in Medical Issues
Publisher : Yocto Brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijaimi.v3i2.351

Abstract

Dementia is a progressive neurodegenerative disorder that leads to cognitive decline and significantly affects patients' quality of life. Early detection is crucial for determining appropriate medical interventions and slowing disease progression. This study aims to develop a machine learning-based dementia prediction model and compare the performance of three algorithms: Support Vector Machine (SVM), Random Forest (RF), and XGBoost. The dataset, obtained from the Kaggle platform, consists of 373 MRI-based patient records categorized into three diagnosis groups: Converted, Demented, and Nondemented. To address class imbalance, the Synthetic Minority Oversampling Technique (SMOTE) was applied. Experimental results show that the XGBoost algorithm achieved the best performance, with an accuracy of 93.86%, precision of 94%, recall of 94%, and F1-score of 94%, outperforming SVM and Random Forest. The application of SMOTE improved the model’s sensitivity to minority classes. The combination of XGBoost and SMOTE demonstrates high accuracy in dementia prediction and holds potential for integration into clinical decision support systems (CDSS) to assist early diagnosis.
Co-Authors Amaliah, Tazkirah Darwis, Herdianti Ekawati, Nita Gita Ayuningtyas